“會不會是腦電波信號的捕捉并不全面？”
翻閱著電腦中的實驗數據，徐川腦海中冒出了一個想法。
對于腦機接口技術來說，神經信號捕捉的局限性是一個相當大問題。
一個普通人的大腦大約有約860億個神經單元，而目前人類所能捕捉的只是其中的一部分。
這意味著還有大量的神經信號無法被有效利用。
尤其是大腦中的神經網絡并非簡單的線性疊加，而是涉及復雜的非線性關系。
這就使得同時發生的編碼難以被解析。
而區分特定行為的大腦神經信號的編碼與其他行為的編碼，仍是一大挑戰。
會不會是這方面有問題。
思索著，徐川點開了徐曉給他的資料中的另一個文件，這里面有她和星光虛擬科技公司的團隊專門為星光腦機接口芯片而開發的技術。
一種兩節rnn架構，非線性動態建模的方法。
這種技術使用循環神經網絡架構和訓練方法，通過非線性、動力學建模、行為相關神經動態的分離和優先級以及連續和間歇行為數據建模。
能夠提高神經-行為預測的準確性、優化原始局部場電位的識別等傳統神經信號模擬技術難以做到的領域。
不過想要從這些算法和實驗數據中找出問題，哪怕是他，也一時半會難以做到。
畢竟一方面這并不是他熟悉的領域，另一方面神經信號的實驗數據量，有點大。
其他的不說，光是正常清醒狀態的大腦節律，與思考、有意識解決問題、對外部世界的注意力有關的β波（貝塔波）頻率就高達14-30hz。
聽起來這個數據似乎很小，畢竟每秒鐘波動14-30次對于人類的研發的科技來說并不算什么。
但如果是結合腦神經對于各種外界信號的反饋和處理，進而產生的數據，就是一個龐大無比的量了。
好在對于腦神經型號來說，絕大部分的數據都可以通過不同的指標來進行歸類。
否則要通過腦機接口芯片處理如此龐大數據根本就是一件不現實的事情。
......
書房中，徐川端起瓷杯中早已經涼了的茶水喝了一口潤了潤嗓子，活動了下疲勞的眼睛。
“小靈，幫我盯一下sas數據平臺的數據分析工作，如果出現了和之前已經完成的數據幅度超過百分之五以上的數據提醒我一下。”
“好的，主人！交給小靈吧！”
書房中，小靈的聲音響起，徐川拉開椅子，朝著外面走去，準備去沖個澡。
不得不說，這的確是他在應用數學上遇到過的一個比較棘手的難題了。
幾乎所有的腦神經型號數據和轉換的電信號數據從數學的角度上來說都沒什么問題和異常。
哪怕是通過sas數據平臺對整個數據進行分析處理，都沒有找到問題。
在排除掉了兩個數學模型之間的數據轉換可能存在的誤差和問題后，一連好幾天，對于腦機接口技術中出現的問題，基本都沒有什么新的進展。
......
沖了個澡，去掉了一身的疲憊后，徐川從冰箱中摸出來一袋酸奶，叼在嘴里朝著書房中走去。
腦機接口芯片方面的問題已經耗費了他十來天的時間了，如果這兩天再找不到問題，他就準備先放一放。
雖然沒能夠解決這個問題會影響他在徐曉心中‘無所不能’的形象。
但他手上還有很多其他的工作，不可能將時間都消耗在這個上面。
正當他思索著暫停研究后該怎么挽回自己在徐曉心里的形象時，書房中，ai學術助手小靈的聲音響起。
“主人，sas數據平臺分析的實驗數據出現異常！”
聽到這個聲音，徐川整個人都精神了起來，快速的詢問道：“異常，什么數據出現了問題？”
這該死的問題，已經折騰了他好久了。
更關鍵的是一點問題都沒有找到，沒有任何的推進這種感覺對他來說實在太難受了。
“eeg事件相關電位信號的數據對比，目前有一個相位鎖定的恒定波形數據超過了平均值，達到了207.76%。”