VIZ LAB / 324 · BRAIN × LLM
当大语言模型遇见神经科学
从 Next-Token Prediction 走向脑状态预测——本实验室以 8 个可交互 SVG 模块，可视化多模态神经科学大模型 Brainμ 的架构、神经信号解码、脑机接口、认知建模、神经可塑性、脑疾病诊断、意识计算与类脑智能未来。点击顶部导航切换模块，每个模块内可切换不同视图。
模型参数
86B
Brainμ-Base
模态融合
5
文本/图像/EEG/fMRI/行为
交互模块
8
SVG + 实时动画
外部依赖
0
纯单文件 HTML
M1
Brainμ 模型架构
全球首个多模态神经科学大模型：将 Next-Token Prediction 扩展为脑状态预测，统一文本、图像、EEG、fMRI 与行为数据。
M2
神经信号解码
从脑电信号（EEG / fMRI）解码到文本与图像：神经编码与解码管线，信号特征提取、潜空间对齐与生成式重建。
M3
脑机接口 BCI
侵入式 / 非侵入式脑机接口对比：信号采集 → 解码 → 控制的闭环，电极类型、分辨率与延迟权衡。
M4
认知建模与计算
认知架构、记忆模型与注意力机制：从工作记忆到长期记忆，注意力聚光灯与中央执行系统。
M5
神经可塑性模拟
STDP 脉冲时序依赖可塑性、突触权重变化与学习规则：Hebbian 学习与网络重塑的实时模拟。
M6
脑疾病 AI 诊断
AI 辅助脑疾病诊断：阿尔茨海默、帕金森、抑郁症的多模态检测与医学影像分析。
M7
意识计算理论
整合信息理论 IIT、全局工作空间理论 GWT 与意识测量：从 Φ 值到 AI 意识评估。
M8
类脑智能未来
脑启发 AI 架构、脉冲神经网络 SNN 与类脑芯片：从事件驱动计算到通用类脑智能的演进路线。