Google News：brain-computer interface·2026-06-09 15:00· 2026-06-09AI 评分53

耶鲁团队在Nature Neuroscience发表研究：按大脑自然几何设计BCI映射可加快学习

A brain-computer interface that works with, not against, the brain - YaleNews

AI 导读

耶鲁大学研究团队在Nature Neuroscience发表研究，用实时fMRI构建闭环BCI，让健康年轻受试者仅凭思维操控游戏角色。研究先记录受试者用摇杆操控时的脑活动，再用T-PHATE算法学习每个人的神经流形，并据此设计三种映射方式。

AI 要点

团队

耶鲁大学，第一作者 Erica Busch（耶鲁博士毕业），通讯作者 Smita Krishnaswamy、Nick Turk-Browne。

主要结果

映射贴合大脑自然流形时，受试者不到一小时训练即学会用思维控制游戏角色；偏离流形则同一时段完全学不会；学习伴随脑活动重组，并扩散到目标区之外。

解决什么问题

传统 fMRI 实时神经反馈 BCI 每人需多达 10 次长训练、效果有限，约三分之一用户始终无法获得控制。

方法

健康年轻成人，4 次 fMRI 扫描；用 T-PHATE 算法学习个体“神经流形”，设计直觉映射、流形内扰动、流形外扰动三种映射；闭环系统每 2 秒读取一次脑扫描并即时转为角色移动方向。

局限

从研究设计看，为健康受试者的可行性研究，样本量与对照情况原文未详述；使用 fMRI，非可穿戴或植入式设备。

AI 依据原文整理，未经人工核对。