あなたの脳を、絶えず無線信号を送り出し、手を動かすことから走ることを想像することまで、あらゆることを調整している賑やかな都市だと想像してみてください。時として、私たちは言葉を発したり筋肉を動かしたりすることなく、これらの信号を利用して機械と対話したいと考えることがあります。これが、ブレイン・コンピュータ・インターフェース（BCI）の世界です。最も一般的な方法の一つは「運動イメージ（Motor Imagery）」であり、これは単に左手または右手を動かすことを「考える」だけで、脳がそれに応じた独特の電気的パターンを送り出すというものです。課題は、これらの脳信号が、まるで混雑したスタジアムの中で特定の会話を聞き取ろうとするかのように、非常に困難であることです。信号は乱雑で、個人差があり、正確に解読するのが極めて難しいのです。長年、科学者たちは、これらの思考を理解するためのより優れた「リスニングデバイス（アルゴリズム）」を構築しようとしてきましたが、従来のツールの多くは、動作が遅すぎたり、複雑すぎたり、あるいは思考の微妙なディテールを見逃したりしていました。

ここで、より賢く、より速い「聞き手」を作ろうと決意した新しい研究チームが登場しました。彼らは、STE-BiMambaと呼ばれるシステムを作り上げました。これは、脳波に対する超強力な探偵のように機能します。この探偵は、単にノイズを聞くだのか、思考の特定の「リズム」――それが一瞬の火花なのか、長く一定のハミングなのか――にどのようにチューニングすべきかを正確に知っています。論文によれば、この新しい探偵は、手が動くことを考えている内容を特定する能力において優れているだけでなく、以前の重くて扱いにくい機械よりもはるかに軽量で高速です。これは、スーパーコンピュータを使って計算を行うことなく、思考だけでロボットアームやビデオゲームを制御するといった、日常生活で実際に使える脳制御技術への一歩となります。

脳の「思考探偵」

福建農業理工大学の李瑞慶（Ruiqing Li）氏らによるこの研究のリーダーたちは、運動イメージ（MI）のEEG信号を解読するという、乱雑な問題に取り組みました。EEG信号を、思考の「音楽」が静電気（ノイズ）と混ざり合った、混沌としたラジオ放送だと考えてください。従来の手法は、ベースライン（メロディを無視すること）だけを聞いて曲を理解しようとしたり、曲の調子を理解するのに膨大な時間を要する巨大で低速なコンピュータを使用したりするようなものでした。

チームは、究極の脳信号デコーダーとなるよう設計された、新しい種類のニューラルネットワークであるSTE-BiMambaを提案しました。彼らは、探偵の道具箱の中に3つの特別なツールを用意しました：

1. マルチスケール・タイムキャッチャー（多角的時間捕捉器）： 物語を理解しようとしている場面を想像してください。全体像を把握するには、鋭い短い言葉（突然の息を呑む音など）と、長く流れるような文章（穏やかな説明など）の両方を聴く必要があります。古いモデルは、そのどちらかを逃してしまうことがよくありました。STE-BiMambaは、異なる速度で脳信号を聴く並列の「耳」（畳み込み層）を使用します。ある耳は信号の微細な一瞬の変化を捉え、別の耳はより長いリズムのパターンを聴きます。これにより、細部が取りこぼされることがありません。
2. スリービュー・スタティスティカル・プーラー（三方向統計集約器）： 信号を捉えたら、モデルはその内容を要約する必要があります。単なる平均値を取る（これでは重要な詳細が滑らかに消えてしまう可能性があります）のではなく、このツールは信号を3つの異なる角度から観察します。すなわち、ピーク（最も大きい瞬間）、平均（全体の音量）、そして分散（信号がどれほど揺れ動いているか）です。これは、パフォーマンスを評価する際に、単なる平均的な拍手だけでなく、最も大きな歓声、一定のリズムの拍手、そして観客の興奮がどのように変動したかによって判断するようなものです。これにより、より豊かで正確な思考の要約が作成されます。
3. バイディレクショナル・マンバ（双方向マンバ）： これが主役です。従来のモデルは、脳信号を一方通行の列車のようになぞることが多く、未来からのコンテキスト（文脈）を見落としていました。STE-BiMambaは、「Mamba」アーキテクチャを使用しています。これは、信号を前方と後方の両方から同時に見ることができるAIの一種です。それは、本の始まりと終わりを同時に見ることでプロットを理解する読書のようなものです。決定的な違いとして、従来の「Transformer」モデルは物語が長くなるにつれてどんどん遅くなっていく（交通渋滞のように）のに対し、Mambaモデルは信号がいかに長くても、高速かつ効率的なままです。

結果：より速く、より軽く、よりスマートに

この新しい探偵をテストするために、チームは4つの異なるデータセットを用いて実験を行いました。3つの有名な公開データセット（BCIC-IV-2a、BCIC-IV-2b、HGD）と、20人の参加者を対象にバーチャルリアリティ環境で記録された、彼らが独自に収集した新しいデータセットVR-MIです。

結果は目覚ましいものでした。独自のVR-MIデータセットにおいて、モデルは、同じ人物の別時刻でのテストにおいて**97.50%の精度を達成し、見たことがない「新しい人物」の思考を推測する場合でも85.05%の精度を達成しました。公開データセットにおいても、既存の最高手法を一貫して上回りました。例えば、HGDデータセットでは95.67%**の精度に達し、CNN-MambaやConformerといった他のトップモデルを凌駕しました。

しかし、真の魔法は精度だけではありませんでした。それはスピードとサイズにありました。著者らは、STE-BiMambaをConformerと呼ばれる人気モデルと比較しました。その結果、STE-BiMambaは推論速度において（Conformerの93 msに対し48 msと）2倍速く、パラメータ数においても（Conformerの789.82Kに対しわずか223.31Kと）3.5倍少ないことが分かりました。これは、新しいモデルがはるかに軽量であることを意味しており、速度やバッテリー寿命が重要となる携帯デバイスやリアルタイムシステムでの運用において、非常に優れた候補であることを示しています。

なぜこれが重要なのか

本論文は、脳信号を解読するために、巨大で低速かつ複雑なモデルが必要であるという考えを明確に否定しています。線形時間モデル（効率的にスケールするモデル）が、重量級のモデルを凌駕できることを示すことで、著者らは、BCIの未来は「効率性」にあることを示唆しています。また、信号を複数の統計的観点（平均、分散、最大値）から、かつ双方向（前方および後方）から見ることが、任務を正しく遂行するために極めて重要であることも実証しました。

「アブレーション研究」（モデルのパーツを取り除いて何が起こるかを見る実験）を通じて、彼らは、モデルの構成要素のすべてが必要であることを証明しました。マルチスケールの耳、スリービューの要約、あるいは後ろ向きのMambaのいずれかを取り除くと、精度が大幅に低下しました。これは、これら3つのコンポーネントの相乗効果こそが、システムをこれほどまでにうまく機能させている要因であることを裏付けています。

要約すると、STE-Mambaは単なるわずかな改善ではなく、脳への「聴き方」の再考なのです。これは高精度で軽量なソリューションを提供し、麻痺のある患者が、これまで到達できなかったスピードと信頼性を持ってロボットアームや外骨格を制御できるようにするなど、運動イメージBCIを日常生活で実用的なものにするための道を開きます。著者らは、大きな飛躍を遂げた一方で、特に、すでに訓練済みの人々だけでなく、より多様な人々に対してもシステムをより良く機能させるという、旅は続くものであると結論づけています。