محققان در یک پژوهش تازه، از «شبکههای عصبی گراف» (GNN) برای مدلسازی دینامیک قشر حرکتی مغز انسان استفاده کردند. در این روش، مغز به عنوان یک سیستم «پورت-همیلتونی» مدلسازی شده که به ما کمک میکند نحوه پردازش سیگنالهای عصبی و تعاملات پیچیده مغزی را در زمان استراحت و حرکت، با دقت بیشتری درک کنیم.
این مدل که با دادههای واقعی EEG آموزش دیده، میتواند گام بزرگی برای بهبود رابطهای مغز و کامپیوتر (BCI) و روشهای «نورومدولاسیون» (Neuromodulation) باشد. با این دستاورد، گام دیگری به سمت درک سیستمهای بیولوژیکی پیچیده توسط هوش مصنوعی برداشته شد! 🚀🤖
منبع: arXiv AI