Beyin-bilgisayar arayüzü teknolojisinde önemli bir adım atılırken, araştırmacılar enerji tüketimini drastik şekilde azaltan yeni bir yapay zeka modeli geliştirdi. REALM (Retrospective Encoder Alignment for LFP Modeling) adlı sistem, beyin sinyallerini yorumlamak için tamamen farklı bir yaklaşım benimsiyor.
Geleneksel beyin-bilgisayar arayüzleri, yüksek çözünürlüklü spike sinyallerine dayanıyor ancak bu sinyaller çok fazla enerji tüketiyor ve yüksek bant genişliği gerektiriyor. Özellikle wireless implantlar için bu durum büyük bir sorun teşkil ediyor. REALM ise lokal alan potansiyellerini (LFP) kullanarak bu sorunu çözüyor.
LFP sinyalleri, spike sinyallerine göre farklı bir uzamsal-zamansal ölçekte beyin aktivitesini yansıtıyor ve birçok avantaj sunuyor: uzun vadeli stabilite, düşük enerji tüketimi ve az bant genişliği ihtiyacı. Ancak şimdiye kadar LFP tabanlı sistemler düşük doğruluk oranları gösteriyordu ve gerçek zamanlı kullanım için uygun değildi.
Araştırmacılar, konuşma tanıma sistemlerinde kullanılan offline-to-online distilasyon stratejilerinden ilham alarak bu sorunu çözdü. REALM'in retrospektif distilasyon çerçevesi, hem yüksek doğruluk hem de gerçek zamanlı işlem kapasitesi sağlıyor.
Bu gelişme, özellikle yüksek kanal sayılı wireless beyin implantları için kritik önem taşıyor ve teknolojinin klinik uygulamalarda daha geniş kullanımının önünü açabilir.