당신의 뇌를 분주한 도시라고 상상해 보세요. 이 도시는 손을 움직이는 것부터 달리기를 상상하는 것까지 모든 것을 조율하기 위해 끊임없이 무선 신호를 보냅니다. 때때로 우리는 말 한마디 없이, 혹은 근육 하나 움직이지 않고 기계와 대화하기 위해 이 신호에 접속하고 싶어 합니다. 이것이 바로 뇌-컴퓨터 인터페이스(BCI)의 세계입니다. 가장 대중적인 방법 중 하나는 "운동 상상(Motor Imagery)"으로, 이는 당신이 단순히 왼손이나 오른손을 움직이는 것을 생각하기만 하면 뇌가 이를 수행하기 위해 고유한 전기적 패턴을 보내는 방식입니다. 문제는 무엇일까요? 이러한 뇌 신호는 마치 북적이고 시끄러운 경기장에서 특정 대화를 듣는 것과 같습니다. 매우 무질서하고, 사람마다 다르며, 정확하게 해독하기가 믿기 힘들 정도로 어렵습니다. 수년 동안 과학자들은 이 생각들을 이해하기 위한 더 나은 "청취 장치(알고리즘)"를 만들기 위해 노력해 왔지만, 기존의 도구들 중 상당수는 너무 느리거나, 너무 복잡하거나, 혹은 대화의 미묘한 세부 사항을 놓치곤 했습니다.

여기에 더 똑똑하고 빠른 청취자를 만들기로 결정한 새로운 연구팀이 등장했습니다. 그들은 STE-BiMamba라고 불리는 시스템을 만들었는데, 이는 뇌파를 위한 초강력 탐정 역할을 합니다. 이 탐정은 단순히 소음을 듣는 것이 아니라, 생각이 찰나의 불꽃인지 아니면 길고 꾸준한 웅성거림인지에 따라 그 생각의 특정한 리듬에 정확히 주파수를 맞추는 법을 알고 있습니다. 논문에 따르면, 이 새로운 탐정은 당신이 손을 움직이려는 생각을 파악하는 데 있어 더 뛰어날 뿐만 아니라, 이전의 무겁고 투박한 기계들보다 훨씬 가볍고 빠릅니다. 이는 뇌 제어 기술이 슈퍼컴퓨터로 수학 계산을 할 필요 없이, 단지 마음만으로 로봇 팔이나 비디오 게임을 제어하는 것처럼 실생활에서 실제로 사용할 수 있는 기술로 나아가는 단계입니다.

뇌의 "생각 탐정"

푸젠 농업 및 임업 대학교의 리루이칭(Ruiqing Li)과 동료들이 이끄는 연구진은 운동 상상(MI) EEG 신호를 해독하는 복잡한 문제를 해결했습니다. EEG 신호를 생각의 "음악"이 정전기(노이즈)와 섞인 혼란스러운 라디오 방송이라고 생각해 보세요. 이전의 방법들은 베이스 라인만 듣고 멜로디를 무시하거나, 곡조를 파악하는 데 영원히 걸리는 거대하고 느린 컴퓨터를 사용하는 것과 같았습니다.

연구팀은 최고의 뇌 신호 해독기가 되도록 설계된 새로운 종류의 신경망인 STE-BiMamba를 제안했습니다. 그들은 탐정의 도구 상자에 세 가지 특별한 도구를 담았습니다:

1. 다중 스케일 시간 포착기 (The Multi-Scale Time Catcher): 이야기를 이해하려고 한다고 상상해 보세요. 전체 그림을 얻으려면 빠른 단어(갑작스러운 숨 가쁨 같은)와 긴 문장(차분한 설명 같은)을 모두 들어야 합니다. 기존 모델들은 종종 하나를 놓치곤 했습니다. STE-BiMamba는 서로 다른 속도로 뇌 신호를 동시에 듣는 병렬 "귀"(컨볼루션 레이어)를 사용합니다. 어떤 귀는 신호의 아주 짧은 찰나의 변화를 포착하고, 다른 귀는 더 긴 리듬 패턴을 듣습니다. 이를 통해 어떤 세부 사항도 놓치지 않도록 보장합니다.
2. 3면 통계 풀러 (The Three-View Statistic Pooler): 신호가 포착되면, 모델은 이를 요약해야 합니다. 단순히 평균을 내는 대신(이는 중요한 세부 사항을 뭉개버릴 수 있습니다), 이 도구는 세 가지 다른 각도에서 신호를 살펴봅니다: 피크(가장 큰 순간), 평균(전체적인 볼륨), 그리고 분산(신호가 얼마나 흔들리거나 변하는지)입니다. 이는 공연을 평가할 때 단순히 평균 박수 소리뿐만 아니라, 가장 큰 환호성, 일정한 박수의 리듬, 그리고 관객의 흥분이 얼마나 요동쳤는지를 모두 고려하는 것과 같습니다. 이를 통해 훨씬 더 풍부하고 정확한 생각의 요약본을 만들어냅니다.
3. 양방향 마마 (The Bi-Directional Mamba): 이것이 주인공입니다. 이전의 모델들은 뇌 신호를 미래의 맥락을 놓치는 한 방향으로만 움직이는 기차처럼 바라보았습니다. STE-BiMamba는 "Mamba" 구조를 사용하는데, 이는 앞뒤 양방향으로 신호를 동시에 볼 수 있는 일종의 AI입니다. 이는 책을 읽을 때 시작 부분과 끝 부분을 동시에 보면서 줄거리를 이해하는 것과 같습니다. 결정적으로, 이야기가 길어질수록 점점 느려지는 기존의 "Transformer" 모델(마치 교통 체증처럼)과 달리, Mamba 모델은 신호가 아무리 길어져도 빠르고 효율적인 상태를 유지합니다.

결과: 더 빠르고, 더 가볍고, 더 똑똑하게

이 새로운 탐정을 테스트하기 위해 연구팀은 네 가지 서로 다른 데이터셋을 사용하여 실험을 진행했습니다. 세 가지 유명한 공개 데이터셋(BCIC-IV-2a, BCIC-IV-2b, HGD)과 20명의 참가자를 대상으로 가상 현실 환경에서 직접 수집한 새로운 데이터셋인 VR-MI가 그것입니다.

결과는 인상적이었습니다. 자체 제작한 VR-MI 데이터셋에서, 이 모델은 동일 인물의 다른 시간대 테스트에서 **97.50%**의 정확도를 달랐으며, 본 적 없는 새로운 사람의 생각을 추측할 때는 **85.05%**의 정확도를 기록했습니다. 공개 데이터셋에서도 기존의 최고 방법들을 지속적으로 앞질렀습니다. 예를 들어, HGD 데이터셋에서 **95.67%**의 정확도에 도달하여 CNN-Mamba나 Conformer와 같은 기존의 최상위 모델들을 능가했습니다.

하지만 진짜 마법은 정확도뿐만이 아니었습니다. 바로 속도와 크기였습니다. 저자들은 STE-BiMamba를 인기 있는 모델인 Conformer와 비교했습니다. 그 결과, STE-BiMamba는 예측 속도(추론 시간 48 ms 대 93 ms)에서 두 배 더 빨랐으며, 파라미터 수는 3.5배 더 적게(단 223.31K 대 789.82K) 사용했습니다. 이는 새 모델이 훨씬 가볍다는 것을 의미하며, 속도와 배터리 수명이 중요한 휴대용 기기나 실시간 시스템에서 실행하기에 훨씬 더 적합한 후보임을 보여줍니다.

이것이 중요한 이유

이 논문은 우리가 뇌 신호를 해독하기 위해 거대하고 느리며 복잡한 모델이 반드시 필요하다는 생각을 명시적으로 반박합니다. 선형 시간 모델(효율적으로 확장 가능한 모델)이 무거운 모델들을 능가할 수 있음을 보여줌으로써, 저자들은 BCI의 미래가 '효율성'에 있다는 점을 시사합니다. 또한 신호를 여러 통계적 각도(평균, 분산, 최대값)에서 바라보고 양방향(앞뒤)으로 보는 것이 제대로 된 작업을 수행하는 데 결정적이라는 점을 입증했습니다.

모델의 일부를 제거하여 어떤 일이 일어나는지 살펴보는 "절제 연구(ablation studies)"를 통해, 그들은 이 퍼즐의 모든 조각이 필수적임을 증명했습니다. 다중 스케일 귀, 3면 요약, 또는 뒤를 돌아보는 Mamba를 제거하면 모두 정확도가 크게 떨어졌습니다. 이는 이 세 가지 구성 요소의 시너지가 시스템을 잘 작동하게 만드는 핵심임을 확인시켜 줍니다.

요약하자면, STE-BiMamba는 단순한 약간의 개선이 아니라, 우리가 뇌의 신호를 듣는 방식에 대한 재고입니다. 이는 고정밀의 경량 솔루션을 제공하여, 마비된 환자들이 이전에는 도달할 수 없었던 속도와 신뢰성으로 로봇 팔이나 외골격을 제어할 수 있도록 함으로써 운동 상상 BCI를 일상생활에서 실용적으로 만드는 데 기여할 수 있습니다. 저자들은 자신들이 큰 도약을 이루었지만, 특히 이미 훈련된 사람들뿐만 아니라 다양한 사람들에게서 이 시스템이 더 잘 작동하게 만드는 과정 등 여전히 갈 길이 남아 있다고 결론지었습니다.