HOW IT WORKS
技术原理
把连续神经活动变成离散 token，并用选择性状态空间递推建模长时依赖。与全注意力自回归模型相比，序列长度增加时计算和显存增长更温和；区域、会话或刺激条件可作为控制变量进入生成过程。
GENERATIVE · TECHNOLOGY 07
状态空间神经信号生成模型
用 Mamba 类状态空间模型在源空间神经 token 上学习长时动力学，以更低训练成本扩展上下文，并通过参数高效条件化生成任务响应。
成熟度：MEG 离线概念验证源空间神经 token长上下文 Mamba区域与会话条件LoRA 任务诱发生成
WHERE IT HELPS
适用场景
- 长时 MEG 或 EEG 动力学模拟
- 稀缺任务数据的条件生成
- 基础模型预训练与异常检测
BOTTLENECKS
关键瓶颈
- 离散化可能丢失弱但关键的连续信息
- 源重建带入解剖和正则化先验
- 逼真生成不保证提升解码或控制
READ WITH QUESTIONS
检索和阅读时先问这三个问题
阅读问题完成度0 / 3