脑机接口 / BCI

Latency-Constrained Hardware-Aware Quantum Error Correction Co-Design with Adaptive Confidence-Gated Neural Decoding for the Rotated Surface Code

用于旋转表面码的具有自适应置信门控神经解码的延迟受限硬件感知量子纠错协同设计

Sumit Chongder

机构 * Department of Physics, Quantum Information and Computation, Indian Institute of Technology Jodhpur（物理系、量子信息与计算系，印度理工学院贾尔普尔） 纠错

专题命中 BCI数据与评测 ：neural decoding(title)；分类 cs.LG

AI总结 研究针对旋转表面码实时解码瓶颈，提出自适应置信门控解码框架，经实验验证，该框架能在有限增加解码成本下提升逻辑精度，神经解码器吞吐量在特定条件下饱和，还发布相关资源并区分贡献与未来工作方向。

Comments 29 pages, 18 figures, 12 tables. Source code, trained models, and benchmark data: https://github.com/Sumitchongder/adaptive-qec-decoder

RIVERPlace: Repairing Interconnect Violations with Efficient Retiming and Incremental Placement for AQFP Circuits

RIVERPlace：针对AQFP电路，采用高效重定时与增量布局修复互连违例

Robert S. Aviles, Ziyu Liu, Sasan Razmkhah, Massoud Pedram, Peter A. Beerel

专题命中 BCI数据与评测 ：BCI(abstract,abstract_cn)

AI总结 本文针对AQFP电路的可扩展性挑战，提出RIVERPlace框架，整合重定时与增量布局等技术修复互连违例，大幅降低布局开销、运行时间与延迟，实现完整开源AQFP基准套件的后布线时序闭合。

BrainAgent: A Large Language Model-Driven Multi-Agent Framework for Autonomous Brain Signal Understanding

BrainAgent：一种大语言模型驱动的多智能体框架，用于自主脑信号理解

Yangxuan Zhou, Sha Zhao, Jiquan Wang, Shijian Li, Gang Pan

专题命中 BCI数据与评测 ：BCI(abstract_cn)；brain-computer interface(abstract)

AI总结 提出LLM驱动的多智能体框架BrainAgent，通过分层架构将自然语言意图转化为可执行的处理流水线，实现脑信号分析的自动化与民主化。

Comments 22 pages, 11 figures

Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding

用于跨个体解码的快速全脑几何感知功能对齐

Pierre-Louis Barbarant, Florent Meyniel, Bertrand Thirion

机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化技术研究院） ； CEA（法国原子能委员会） ； Cognitive Neuroimaging Unit（认知神经成像单位） ； Institut National de la Santé et de la Recherche Médicale（法国国家卫生与医学研究院） ； Commissariat à l’Energie Atomique et aux énergies alternatives（法国原子能委员会及替代能源委员会） ； NeuroSpin center（神经科学中心） ； Institut de neuromodulation（神经调制研究所） ； Université Paris Cité（巴黎-城市大学） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究旨在解决个体大脑反应差异限制跨个体解码器发展的问题，提出功能对齐方法SpectralOT，将皮质几何嵌入拉普拉斯 - 贝尔特拉米本征模式规范对齐，以平衡功能特征与解剖结构，保持计算效率。

Journal ref Proceedings of the 9th Conference on Cognitive Computational Neuroscience, New York, NY, USA, 2026

Cross-Subject Modeling for Widefield Calcium Imaging via Atlas-Aligned Spatiotemporal Tokenization

通过图谱对齐的时空令牌化实现宽场钙成像的跨主体建模

Mohammad Hosseini, Eray Erturk, Saba Hashemi, Maryam M. Shanechi

机构 * ShanechiLab（沙内奇实验室） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究针对宽场钙成像建模受限问题，提出多主体模型WiCAT，利用自监督预训练，引入图谱对齐的时空令牌化方案，能跨主体、任务和数据集迁移，实现零样本行为解码及遗漏脑区重建，优于基线模型。

Comments Published at the 43rd International Conference on Machine Learning (ICML) 2026. Code available at: https://github.com/ShanechiLab/WiCAT

Journal ref ICML 2026

GRAFT: Gain-Recalibrated Adapters for Transformer-Based Neural Population Activity Modeling

GRAFT: 基于Transformer的神经群体活动建模中的增益重校准适配器

Xiangsheng Ge, Yang Xie

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；分类 q-bio.NC、cs.LG

AI总结 提出GRAFT模型，通过分离可重用时间动态与可重校准神经元接口，在MC Maze数据集上达到SOTA，并仅更新9.21%参数实现跨天重校准。

Cross-Subject Semantic Decoding with Shared-Space Alignment for Generalized Neural Representation Learning

基于共享空间对齐的跨主体语义解码用于广义神经表征学习

Ji-Hoon Heo, Aleksandra Joanna Wisniewska, Seo-Hyun Lee, Seong-Whan Lee

机构 * Korea University（韩国大学） 纠错

专题命中 BCI数据与评测 ：neural signal(abstract)；分类 cs.LG

AI总结 研究针对侵入性神经记录跨主体泛化难题，提出跨主体语义解码框架，通过将多主体神经反应对齐到共享潜在空间并学习映射，经实验验证该框架优于基线方法，能有效提升跨主体泛化能力。

CG-MambaNet: A spatiotemporal framework for cross-patient epileptic seizure prediction using CNN-GCN-Mamba-BiLSTM with event-level clinical evaluation

CG-MambaNet: 基于CNN-GCN-Mamba-BiLSTM的跨患者癫痫发作预测时空框架及事件级临床评估

Mufeng Chen, Qi Wu, Bingchao Huang, Xiwen Lai, Zekai Chen, Xinge Ouyang, Tingyao Zhang, Xufang Yang, Quansheng Ren

专题命中 BCI数据与评测 ：EEG(abstract)；分类 eess.SP

AI总结 提出CG-MambaNet框架，通过CNN提取多尺度频谱特征、GCN建模通道间功能同步、Mamba与BiLSTM捕获长短期时序，在严格留一患者交叉验证下实现跨患者癫痫发作预测，优于现有方法，并引入事件级评估降低误报率。

X-Splat: Gaussian Splatting for 3D CBCT Generation from Single Panoramic Radiograph

X-Splat：基于高斯泼溅的从单张全景X光片生成3D CBCT

Tomasz Szczepański, Szymon Płotka, Michal K. Grzeszczyk, Tomasz Trzciński, Arkadiusz Sitek

机构 * Sano Centre for Computational Medicine（桑诺计算医学中心） ； Jagiellonian University（雅盖隆大学） ； Warsaw University of Technology（华沙技术大学） ； Research Institute IDEAS（IDEAS研究 institute） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 BCI数据与评测 ：cortical(abstract)

AI总结 提出X-Splat，首个利用高斯泼溅从单张全景X光片生成CBCT样3D牙科体积的方法，通过已知采集几何初始化可学习高斯原语，结合Beer-Lambert重投影和多视角训练监督，优于NeRF和GAN基线。

Comments 19 pages, 6 figures, including appendix. Under review

Development and Design of FLKit: A Structured Onboarding Toolkit for Federated Learning in Health and Life Sciences

FLKit的设计与开发：面向健康与生命科学中联邦学习的结构化入门工具包

Ashkan Pirmani, Ilse Vermeulen, Goran Vinterhalter, Lotte Geys, Axel Faes, Muhammad Quamber Ali, Nishkala Sattanathan, Geert Vandeweyer, Yves Moreau, Liesbet M. Peeters

机构 * STADIUS, Department of Electrical Engineering (ESAT), KU Leuven（STADIUS部门，电气工程系（ESAT），鲁汶大学） ； Biomedical Research Institute (BIOMED), Hasselt University（生物医学研究所（BIOMED），哈塞尔特大学） ； Data Science Institute (DSI), Hasselt University（数据科学研究所（DSI），哈塞尔特大学） ； Department of Medical Genetics, University of Antwerp（医学遗传学系，安特卫普大学） 纠错

专题命中 其他BCI ：brain-computer interface(abstract)；分类 cs.LG

AI总结 提出FLKit，一个面向多学科团队的联邦学习入门工具包，通过角色感知入口、生命周期阶段和FAIR对齐模板，降低健康与生命科学领域联邦学习的实践门槛。

Comments 18 pages, 2 figures

Hyperbolic Neural Population Geometry Benefits Computation

双曲神经群体几何结构有益于计算

Dennis Wu, Yi-Chun Hung, Braden Yuille, James E. Fitzgerald, Han Liu

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 其他BCI ：neural decoding(abstract)；分类 q-bio.NC

AI总结 本文提出海马体群体活动诱导双曲几何的理论框架，证明现代Hopfield网络更新规则计算最小均方误差估计，并引入双曲空间中的新联想记忆模型，其容量显著优于现有模型。

Comments Accepted at ICML 2026, 37 pages, 5 figures

Fully fiber-integrated endoscopic OCT probes by single-step two-photon 3D printing

通过单步双光子3D打印实现全光纤集成内窥镜OCT探针

Yihan Wang, Ruilin You, Jiabin Chen, Bofan Song, Zien Feng, Paula Patricia Villarreal, Gracie Vargas, Rongguang Liang

专题命中 其他BCI ：neural interface(abstract)

AI总结 该研究开发了通过单步双光子3D打印制成的全光纤集成内窥镜OCT探针，采用系统级集成策略，实现即插即用更换，性能稳定，可用于离体生物样本成像，降低了内窥镜OCT的应用门槛。

Compact Representation of Mipmapped SVBRDFs via Shared Gaussians

通过共享高斯函数实现带多级纹理滤波（mipmapped）的空间变化双向反射分布函数（SVBRDF）的紧凑表示

Fengdi Zhang, Haocheng Ren, Qing Luo, Yaqing Li, Jibing Lou, Hongwei Li

专题命中 其他BCI ：neural decoding(abstract)

AI总结 该研究提出GTC方法，通过共享2D高斯函数压缩带多级纹理滤波的SVBRDF纹理，相比ASTC实现更高重建质量与更低内存，支持随机访问和非神经解码，适用于实时渲染

Investigating Codec-Internal Latent Audio Watermarking for Neural Codec Robustness

研究用于神经编解码器鲁棒性的编解码器内部潜在音频水印

Zi Hu, Houmin Sun, Linxi Li, Yechen Wang, Liwei Jin, Carsten Maple, Ming Li

专题命中 其他BCI ：neural decoding(abstract)

AI总结 研究神经音频编解码器中用于鲁棒性的水印，将32位消息嵌入连续潜在表示，采用SEANet风格编码器 - 解码器等技术，表征水印载体移动时的权衡，在48kHz语音上提升了EnCodec - 24k比特准确率并降低了PESQ。

Comments 7 pages. Submitted to IEEE Spoken Language Technology Workshop (SLT)

Rethinking Brain Decoding with CLIP: The Role of Adversarial Robustness

用CLIP重新思考大脑解码：对抗鲁棒性的作用

Byeongseo Bok, Futa Waseda, Jun Liu, Isao Echizen

机构 * The Graduate University for Advanced Studies (SOKENDAI)（高等研究院（索邦大学）） ； National Institute of Informatics（国立情报学研究所） ； The University of Tokyo（东京大学） 纠错

专题命中 其他BCI ：neural decoding(abstract)

AI总结 研究用CLIP进行大脑解码时，探讨对抗鲁棒表示能否改善神经解码。通过固定fMRI解码器，在不同任务和数据集上改变目标表示，发现此方法能提升任务性能及特征对齐，表明对抗鲁棒性可作为大脑解码有用标准。

Comments 20 pages, 10 figures

ffdas: Volumetric ultrasound reconstruction at warp speed

ffdas：超高速体积超声重建

Luuk Verhoef, Pieter Kruizinga

专题命中 其他BCI ：brain-computer interface(abstract)

AI总结 针对体积超快超声成像的计算瓶颈，提出三种GPU优化策略（对齐内存访问、混合精度存储、利用张量核心），实现128³体素网格千赫兹帧率重建，显著超越现有方法，支持实时术中脑成像和脑机接口。

The Bioelectrical Information Theory: Investigating the theoretical compression limit of bioelectrical signals under artificial intelligence

生物电信息论：探究人工智能下生物电信号的理论压缩极限

Jiawen Zou, Bo Yan

机构 * College of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Shanghai Key Laboratory of Intelligent Information Processing（上海智能信息处理重点实验室） ； Fudan University（复旦大学） 纠错

专题命中 其他BCI ：brain-computer interface(abstract)

AI总结 提出生物电压缩的三级层次框架，将压缩极限重构为模型和任务条件量，而非波形的固定属性。