뇌 활동을 비침습적으로 측정하는 뇌파(EEG)는 오랜 연구 분야였지만, 사람마다 다른 뇌파 특성, 다양한 장비와 전극 배치 방식 때문에 범용적인 뇌파 모델을 만드는 것은 매우 어려웠습니다. 기존 뇌파 파운데이션 모델들은 주로 관측된 신호 재구성에 초점을 맞췄으나, 이는 신경 활동 외의 잡음까지 포함하는 한계가 있었습니다. 이러한 문제를 해결하기 위해, 새로운 뇌파 파운데이션 모델인 SPERA(Spherical Prior EEG Representation Architecture)가 개발되었습니다.
SPERA는 잠재 공간에서 예측하는 공동 임베딩 예측 아키텍처(JEPA)를 채택하여, 잡음이 섞인 원시 신호 대신 순수한 신경 활동에 더 가까운 잠재 표현을 학습합니다. 특히, 이 모델은 뇌의 구형 표면에 전극이 배치되는 기하학적 특성을 반영하기 위해 르장드르 다항식(Legendre-polynomial) 기반의 공간 사전 정보를 어텐션 메커니즘에 통합했습니다. 또한, 시간적 및 공간적 어텐션을 주기적인 전체 어텐션 블록과 교차 적용하고, 잠재 공간의 유사성 구조를 스펙트럼 관점과 정렬시키는 관계형 스펙트럼 정규화(relational spectral regularizer)를 추가하여 모델의 성능을 향상시켰습니다. 약 8만 시간 분량의 뇌파 데이터와 2만 9천여 명의 피험자, 106개 데이터셋으로 사전 학습된 SPERA는 임상, 인지, 뇌-컴퓨터 인터페이스(BCI) 등 9가지 하위 작업에서 가장 높은 평균 균형 정확도(balanced accuracy)를 기록했습니다.
SPERA의 등장은 뇌파 분석 분야에 중요한 전환점이 될 것으로 보입니다. 이 모델은 다양한 기록 조건에서도 강력한 견고성과 효율성을 보여주며, 범용적인 뇌파 분석을 위한 강력한 기반 모델로서의 잠재력을 입증했습니다. 이는 뇌 질환 진단, 인지 기능 연구, 그리고 뇌파를 이용한 새로운 인터페이스 개발 등 광범위한 응용 분야에서 혁신적인 발전을 이끌어낼 수 있을 것입니다. SPERA는 뇌파 데이터의 복잡성과 이질성을 극복하고, 더욱 정확하고 신뢰할 수 있는 뇌파 해석의 길을 열어줄 것으로 기대됩니다.