AI 아이디어 랩 | 서울대학교 커넥톰 연구실

2026-10-12정서 신경과학

시공간 정렬 MoE 모델로 EEG 감정 예측

Predicting Emotion from EEG with Spatio-Temporal Alignment Mixture-of-Experts

가설

다양한 EEG 데이터셋으로 사전 훈련된 시공간 정렬 MoE 모델은 개인과 기록 설정에 걸쳐 감정 상태를 견고하게 디코딩할 수 있다.

제안 근거

연구실은 EEG로 감정을 연구한다. EEG 디코딩 문제 전반에 걸쳐 일반화를 위해 설계된 새로운 MoE 아키텍처를 적용하면 감정 인식의 견고성을 향상시킬 수 있다.

발상에 참고한 연구

STEAM: A Spatio-TEmporal Alignment Mixture-of-Experts Model with Hierarchical Pre-training for EEG Decoding
DIVER-0: Fully Channel-Equivariant EEG Foundation Model

실험 제안

STEAM과 유사한 모델을 공개 EEG 감정 데이터셋(예: DEAP, SEED)으로 사전 훈련하고, 연구실의 VR-EEG 감정 데이터셋에 미세 조정하여 감정 분류 정확도와 교차 피험자 일반화 지표를 평가할 수 있다.

위험과 한계

MoE 아키텍처는 상당한 계산 오버헤드를 발생시켜 추가 최적화 없이는 VR에서의 실시간 적용이 어려울 수 있다.

2026-10-05에이전틱 AI

EEG-fMRI 교차 모달 데이터 통합을 위한 에이전트 AI

Agentic AI for Cross-Modal EEG-fMRI Data Integration

가설

에이전트 AI 시스템은 다중 모달 EEG 및 fMRI 데이터셋에 대한 최적의 전처리 및 융합 파이프라인을 자율적으로 설계하고 실행하여 정서 신경과학 질문에 대한 통합 분석을 개선할 수 있을 것이다.

제안 근거

연구실은 다중 모달 데이터(EEG/fMRI)를 자주 다루지만, 수동 파이프라인 설계는 시간이 많이 소요된다. 연구실의 새로운 관심사인 에이전트 AI는 이 복잡한 과정을 자동화하고 최적화하여 데이터 통합을 위한 현재 역량을 확장할 수 있다.

발상에 참고한 연구

EEG-JEPA: Structured Latent Prediction for EEG Foundation Models
Can Natural Image Autoencoders Compactly Tokenize fMRI Volumes for Long-Range Dynamics Modeling?

실험 제안

에이전트는 정서적 상태 예측을 목표로 하는 EEG-fMRI 통합 데이터셋에 대해 최적의 전처리 단계(예: 노이즈 감소, 아티팩트 제거)와 융합 기술(예: 공동 ICA, 딥러닝 융합)을 식별하도록 작업할 수 있으며, 분류 정확도와 같은 성능 지표를 사용할 수 있다.

위험과 한계

다양한 데이터셋과 연구 질문에 걸쳐 강력하게 일반화할 수 있는 충분한 신경과학 도메인 지식을 갖춘 에이전트를 설계하는 것은 상당한 어려움을 안고 있다.

2026-10-05커넥토믹스

PIMSM을 활용한 다중 스케일 연결체학 파운데이션 모델

Foundation Models for Multi-Scale Connectomics with PIMSM

가설

물리 정보 기반 다중 스케일 맘바(PIMSM)를 연결체학에 적용하면 다양한 규모와 인구 집단에 걸쳐 구조적 및 기능적 뇌 네트워크의 보다 안정적이고 일반화 가능한 표현을 가능하게 할 것이다.

제안 근거

연구실은 안정적인 신경 표현을 위해 PIMSM을 개발했지만, 이를 연결체학에 직접 적용한 적은 없다. 연결체의 본질적인 다중 스케일 특성과 PIMSM의 물리 정보 기반 아키텍처를 결합하면 견고한 뇌 네트워크 모델을 학습하는 새로운 접근 방식을 제공한다.

발상에 참고한 연구

PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift
Latent-Space Causal Discovery from Indirect Neuroimaging Observations

실험 제안

PIMSM을 발달 코호트(예: ABCD)의 다중 스케일 연결체 데이터(예: 구조적 연결성을 위한 dMRI 및 기능적 연결성을 위한 fMRI에서 파생)에 훈련시키고, 기존 그래프 신경망 접근법과 비교하여 개인의 인지 성능 또는 정신 건강 결과 예측 능력을 평가할 수 있다.

위험과 한계

다양한 연결체 데이터 모달리티와 스케일을 단일 물리 정보 기반 프레임워크로 통합할 때 중요한 정보를 손실하거나 편향을 도입하지 않는 것이 복잡하다.

2026-09-28에이전틱 AI

교차 모달 신경영상 파이프라인 최적화를 위한 에이전트 AI

Agentic AI for Cross-Modal Neuroimaging Pipeline Optimization

가설

자율적인 AI 에이전트가 fMRI 및 EEG 데이터 전반에 걸쳐 특정 연구 질문에 맞게 다중 모달 신경영상 분석 파이프라인을 지능적으로 탐색하고 최적화하여, 더 견고하고 일반화된 결과를 도출할 수 있을 것이다.

제안 근거

우리 연구실은 이미 fMRI(NeuroMamba) 및 EEG(DIVER) 파운데이션 모델을 다루고 있다. 특정 연구 목표를 위해 이러한 다양한 양식을 자율적으로 통합하고 최적화할 수 있는 에이전트 AI는 신경영상 연구를 가속화하는 강력한 도구가 될 것이다.

발상에 참고한 연구

EEG-PRIME: Prototype-Aligned Representation Learning with Multi-Level Conditioning for EEG Decoding
PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift

실험 제안

에이전트는 매개변수 공간과 모델 조합(예: EEG용 DIVER 사전 훈련 모델, fMRI용 NeuroMamba)을 탐색하여 결합된 EEG 및 fMRI 데이터로부터 정서 상태를 예측하는 것과 같은 교차 모달 예측 작업을 최적화하도록 설계될 수 있다. 최적의 파이프라인 구성을 찾는 에이전트의 성능은 수동 최적화와 비교하여 벤치마킹될 것이다.

위험과 한계

인간의 감독 없이 복잡한 신경영상 파이프라인을 최적화하기 위한 자율 에이전트의 견고한 평가 지표 및 목표 함수를 정의하는 것은 어렵다.

2026-09-21에이전틱 AI

발달 코호트의 다중 모드 인과 관계 발견을 위한 에이전트 AI

Agentic AI for Automated Multi-Modal Causal Discovery in Developmental Cohorts

가설

다중 모드 발달 데이터(유전자, 뇌, 행동, 환경)에 대한 인과 관계 발견을 위해 가설을 반복적으로 생성하고 실험을 설계할 수 있는 에이전트 AI 프레임워크는 수동 방식보다 효율적으로 알려지지 않은 관계를 밝힐 수 있다.

제안 근거

뇌 연구를 위한 에이전트 AI와 다중 모드 유전학/계산 정신의학에 대한 연구실의 초점은 이것을 자연스러운 확장으로 만든다. 복잡한 인과 관계 발견에서 가설 생성을 위한 AI 활용은 새로운 응용 분야이다.

발상에 참고한 연구

Polygenic architecture of brain structure and function, behaviors, and psychopathologies in children

실험 제안

ABCD 데이터(유전자 점수, MRI, 행동, 환경 측정치)와 미리 정의된 인과 관계 발견 알고리즘 세트를 입력으로 받아 가설을 생성하고 테스트하는 에이전트를 설계한다. 이 에이전트는 통계적 증거와 참신성이 높은 인과 그래프를 우선시하여 아동 발달과 관련된 유전자, 뇌, 행동 간의 연관성을 식별한다.

위험과 한계

에이전트가 알려진 연관성을 단순히 재발견하는 대신, 진정으로 새롭고 검증 가능한 가설을 생성하는 능력은 제한적일 수 있으며, 생성된 인과 그래프를 해석하는 것이 어려울 수 있다.

2026-09-07에이전틱 AI

EEG 파운데이션 모델 해석 가능성을 위한 에이전트 AI

Agentic AI for EEG Foundation Model Interpretability

가설

EEG-PRISM의 생리적 매핑 기능을 활용하는 에이전트 AI 시스템은 EEG 파운데이션 모델 예측의 신경생리적 기반에 대한 가설을 자율적으로 탐색하고 생성할 수 있다.

제안 근거

복잡한 EEG 파운데이션 모델을 해석하는 것은 어렵다. 에이전트 AI와 EEG-PRISM과 같은 생리적 기반의 해석 가능성 방법을 결합하면 뇌 연구에서 자동화된 가설 생성에 대한 새로운 길을 열 수 있다.

발상에 참고한 연구

EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models

실험 제안

첫 실험에서는 에이전트가 EEG-PRISM으로 DIVER-0 같은 EEG 모델의 시간-채널 귀인 점수를 주파수와 소스 영역에 매핑하고, 그 결과에서 가설을 만들도록 한다. 전문가가 가설의 타당성과 검증 가능성을 평가한다.

위험과 한계

에이전트가 진정으로 새롭고 생물학적으로 타당한 가설을 생성하는 능력은 프롬프트에 내재된 명시적 지식이나 EEG-PRISM의 생리적 매핑 품질에 의해 제한될 수 있다.

2026-09-07정서·발달 신경과학

청소년 감정 역학에 대한 다유전자 영향

Polygenic Influence on Affective Dynamics in Adolescents

가설

우울이나 불안 관련 다유전자 점수는 청소년 정서 변화의 개인차를 예측하고, 종단 뇌 지표가 그 통계적 연관의 일부를 설명할 수 있다는 가설이다.

제안 근거

연구실은 발달 과정에서 유전·뇌·행동·환경 지표가 맺는 관계를 연구한다. 이를 확장해 다유전자 점수와 뇌의 동적 변화를 반복 측정한 정서 지표에 연결해 볼 수 있다.

발상에 참고한 연구

Polygenic architecture of brain structure and function, behaviors, and psychopathologies in children

실험 제안

ABCD에서 반복 측정한 정서·증상 지표를 확인한 뒤 다유전자 점수와 종단 fMRI의 관계를 분석한다. 공변량을 사전에 정한 통계적 매개 모형을 시험하되, 간접 연관만으로 인과 경로가 입증되지는 않는다.

위험과 한계

정서 보고와 fMRI 동역학이 서로 다른 시간 규모를 반영하거나 다유전자 예측력이 낮을 수 있으며, 교란 때문에 매개처럼 보이는 연관이 생길 수 있다.

2026-09-07양자 머신러닝

양자 잡음에 강한 뇌-언어 정렬

Quantum-Resilient Brain-Language Alignment

가설

양자 인코딩 전 뇌 활동 표현에 Discretization-Aware Fine-Tuning (DAFT)을 적용하면 노이즈가 많은 양자 하드웨어에서 뇌-언어 정렬의 견고성과 정확성이 향상될 것이다.

제안 근거

DAFT는 화학 모델의 표현을 양자 인코딩용으로 이산화할 때의 정보 손실을 다룬다. 이를 뇌 데이터에 적용할 수 있는지, 하드웨어 잡음에도 강해지는지는 연구실의 양자 학습과 뇌-언어 연구를 연결해 각각 시험할 질문이다.

발상에 참고한 연구

Discretization-Aware Fine-Tuning for Quantum Machine Learning with Chemical Foundation Models
Mind the Gap: Aligning the Brain with Language Models Requires a Nonlinear and Multimodal Approach

실험 제안

DAFT에서 착안한 fMRI 인코더와 양자 시계열 트랜스포머로 뇌와 언어 임베딩을 정렬한다. 이상적 조건과 잡음을 넣은 양자 시뮬레이션에서 조건을 맞춘 기준 모델과 비교해 인코딩 효과와 잡음 내성을 구분한다.

위험과 한계

화학 표현에서의 인코딩 개선이 뇌 표현으로 전이되지 않거나 하드웨어 잡음에서는 이점이 없을 수 있고, 미세 조정 비용도 클 수 있다.

2026-08-31정서 신경과학

정서 상태 EEG 파운데이션 모델의 주파수 영역 해석 가능성

Frequency-Domain Interpretability for EEG Foundation Models in Affective States

가설

EEG 파운데이션 모델에 생리학 기반 해석 가능성 방법을 적용하면 특정 정서 상태(예: 경외감 대 공포)를 예측하는 고유한 주파수 영역 특징을 밝혀 감정 처리 이해를 증진할 수 있다.

제안 근거

연구실은 경외감을 포함한 정서 신경과학을 활발히 연구하고 있다. 해석 가능한 EEG 파운데이션 모델은 복잡한 모델 예측과 감정에 대한 생리학적으로 의미 있는 통찰력 사이의 간극을 메울 수 있다.

발상에 참고한 연구

EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models
Understanding and Correcting Low-Frequency Bias in EEG Foundation Model

실험 제안

정서 EEG 데이터셋(예: 음악/비디오로 유발된 감정)으로 EEG 파운데이션 모델을 훈련한다. EEG-PRISM을 적용하여 시간-채널 귀인 점수를 주파수 영역 전력 변화로 변환한 다음, 이러한 변화를 통계적 측정값을 사용하여 자가 보고된 정서 상태 평가(정서가: 긍정·부정의 정도 / 각성)와 상관시킨다.

위험과 한계

귀인 맵의 품질이 잡음이 많을 수 있으며, 특정 주파수 변화를 개별적인 정서 상태와 직접 연결하는 것이 과도하게 단순화되거나 특이성이 부족할 수 있다.

2026-08-31에이전틱 AI

개인화된 커넥토믹스를 위한 뉴로 에이전트 가설 생성

Neuro-Agentic Hypothesis Generation for Personalized Connectomics

가설

멀티모달 신경영상 및 유전체 데이터를 활용하는 에이전트 AI 시스템은 뇌 커넥토믹스의 개인차와 정신과적 특성 간의 관계에 대한 새롭고 검증 가능한 가설을 자율적으로 생성할 수 있으며, 이는 참신성과 정밀도 면에서 인간 전문가를 능가한다.

제안 근거

연구실은 이미 멀티모달 유전체학 및 커넥토믹스 작업을 하고 있다. 에이전트 AI는 방대하고 복잡한 데이터셋을 통합하여 미묘하고 명확하지 않은 패턴을 식별하고 개인 맞춤 의학을 위한 가설 생성을 가속화할 수 있다.

발상에 참고한 연구

Mind the Gap: Aligning the Brain with Language Models Requires a Nonlinear and Multimodal Approach

실험 제안

구조적 및 기능적 커넥톰 데이터(예: ENIGMA-OCD 또는 ABCD), 다유전자 점수, 임상 표현형에 접근할 수 있는 에이전트 AI를 훈련한다. 신경과학자 패널을 사용하여 생성된 가설의 참신성과 타당성 지표를 전문가가 선별한 가설과 비교하여 평가한다.

위험과 한계

주요 위험은 생성된 가설이 중요하지 않거나 과학적으로 흥미롭지 않을 수 있으며, 유용하게 만들기 위해 상당한 인간의 큐레이션이 필요하다는 것이다.

2026-08-24커넥토믹스

뇌 위상 구조 인지 기반 커넥토믹스 잠재 예측 모델

Neurotopology-Aware Structured Latent Prediction for Connectomics

가설

EEG-JEPA의 N-MET 마스킹 전략을 fMRI 커넥톰에 적용하면 뇌 연결성을 반영하는 의미 있는 잠재 공간 표현 학습이 가능하다.

제안 근거

EEG-JEPA의 구조화된 예측을 동적 커넥토믹스에 적용하면, fMRI 파운데이션 모델 및 PRS 연관 연구에 새 통찰을 제공할 것이다.

발상에 참고한 연구

EEG-JEPA: Structured Latent Prediction for EEG Foundation Models
Polygenic architecture of brain structure and function, behaviors, and psychopathologies in children
NeuroMamba: A State-Space Foundation Model for Functional MRI

실험 제안

ABCD fMRI 동적 커넥톰에 N-MET 유사 마스킹을 적용한 JEPA 모델을 훈련하고, 학습된 잠재 공간이 PRS 및 정신 병리 예측에 얼마나 유용한지 평가한다.

위험과 한계

정적/동적 정보 통합이 어렵거나, 마스킹 전략이 커넥톰 시공간 패턴을 놓칠 수 있다.

2026-08-24파운데이션 모델

생리학적 해석이 가능한 EEG 파운데이션 모델

Physiologically-Grounded EEG Foundation Model Interpretation

가설

EEG 파운데이션 모델 표현을 주파수/소스 공간으로 변환하면 뇌 활동 해석의 생리학적 정확도와 임상적 유용성을 높일 수 있다.

제안 근거

연구실의 EEG 모델을 바탕으로, 예측의 귀인 점수를 주파수와 소스 영역에서 해석하면 독립적인 생리학적 근거와 더 잘 일치하는 설명을 얻는지 시험할 수 있다.

발상에 참고한 연구

EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models
Understanding and Correcting Low-Frequency Bias in EEG Foundation Model

실험 제안

DIVER-0 같은 EEG 모델의 예측에 대해 시간-채널 귀인 점수를 구한다. EEG-PRISM으로 이를 주파수와 소스 영역에 매핑한 뒤, 별도 EEG 분석 및 전문가 해석과의 일치도를 평가한다.

위험과 한계

선형 변환의 생리학적 타당성이 부족하거나 해석 개선이 미미할 수 있다.

2026-08-24양자 머신러닝

양자 강화 프로토타입 기반 EEG 디코딩 일반화

Quantum-Enhanced Prototypes for EEG Decoding Generalization

가설

EEG-PRIME의 프로토타입 학습에 양자 특징 매핑을 통합하면 EEG 디코딩 모델의 데이터셋/피험자 간 일반화 성능이 향상될 것이다.

제안 근거

EEG-PRIME을 바탕으로 양자 특징 매핑이 프로토타입 표현력과 전이 성능을 바꾸는지 시험할 수 있다. 연구실의 QML 연구를 출발점으로 고전 모델과 비교하되, 이점은 아직 확인되지 않았다.

발상에 참고한 연구

EEG-PRIME: Prototype-Aligned Representation Learning with Multi-Level Conditioning for EEG Decoding
Hybrid Quantum Temporal Convolutional Networks

실험 제안

공개 EEG 데이터셋으로 양자 특징 맵을 적용한 Q-ProtoEEG 모델을 구축하고, 기존 EEG-PRIME 및 비-양자 모델과 교차 데이터셋/피험자 분류 정확도를 비교 평가한다.

위험과 한계

양자 특징 매핑의 이점이 부족하거나 양자 하드웨어 노이즈가 성능 향상을 저해할 수 있다.

2026-08-22파운데이션 모델

인과적 의미 기억 캔버스

Causal Semantic Memory Canvas

가설

회상 EEG를 연속 semantic latent로 예측하고 causal intervention을 적용하면, 정서와 장면 내용을 분리해 재구성할 수 있다.

제안 근거

BLPM과 EEG-JEPA는 의미·상태 예측을 가능하게 한다. 연구실의 기억 재구성과 latent causal discovery를 결합하면 그럴듯한 생성을 검증 가능한 인과 조절로 바꿀 수 있다.

발상에 참고한 연구

Continuous-Latent Predictive Modeling with Semantic Alignment for EEG-Language Foundation Models
EEG-JEPA: Structured Latent Prediction for EEG Foundation Models

실험 제안

기존 affect-context memory EEG와 자극 설명으로 CELP+N-MET encoder 및 causal latent head를 학습한다. Recall@10, affect CCC, intervention specificity를 기존 생성 모델과 비교한다.

위험과 한계

semantic latent가 실제 기억보다 자극 label과 생성모델 prior를 학습할 수 있다.

2026-08-22파운데이션 모델

경량·공격안전 EEG 파운데이션 모델

Edge-Safe EEG Foundation Model

가설

중복 기반 token pooling과 proxy-prototype adversarial training을 결합하면 balanced accuracy 손실 1%p 이내에서 CPU 지연 40%, 공격 성공률 30%를 줄일 수 있다.

제안 근거

ZIPBrain은 local deployment를 돕지만 SW-ProxyCE는 새 공격면을 드러냈다. 둘을 함께 검증하면 연구실의 trustworthy clinical AI를 예측 신뢰성에서 보안으로 확장할 수 있다.

발상에 참고한 연구

ZIPBrain: Can EEG Foundation Models Be Faster, Locally Deployable, but Accurate?
SW-ProxyCE: Zero-Query Adversarial Transfer from Public EEG Encoders to Private Downstream Models

실험 제안

DIVER-0에 ZIPBrain pooling을 넣고 TUAB EEG와 public encoder 기반 SW-ProxyCE 예제로 학습한다. private head에서 CPU latency, MACs, balanced accuracy, 공격 성공률을 측정한다.

위험과 한계

측정된 공격 성공률 감소가 실제 robustness가 아니라 gradient masking일 수 있다.

2026-08-22유전체·정신의학

PRS 조건부 뇌상태 프로토타입

PRS-Conditioned Brain-State Prototypes

가설

NeuroMamba embedding을 PRS 조건부 뇌상태 prototype에 정렬하면, 단순 PRS feature 결합보다 청소년 우울의 cross-site 예측이 좋아진다.

제안 근거

EEG-PRIME은 조건부 prototype이 전이를 높일 가능성을 보였다. 연구실의 발달 유전체와 foundation model 역량으로 이를 genotype–fMRI 정렬에 확장할 수 있다.

발상에 참고한 연구

EEG-PRIME: Prototype-Aligned Representation Learning with Multi-Level Conditioning for EEG Decoding

실험 제안

ABCD genotype·resting fMRI·역경·우울 증상에 NeuroMamba와 PRS-conditioned prototype head를 적용한다. held-out-site R², calibration error, bootstrap prototype ARI를 측정한다.

위험과 한계

ancestry와 site 교란 때문에 prototype이 생물학적 상태가 아닌 인구학적 label이 될 수 있다.

2026-08-21정서 신경과학

양자 리저버 컴퓨팅을 통한 뇌 역학의 예술 및 음악과의 연속적 의미 정렬

Continuous Semantic Alignment of Brain Dynamics to Art and Music via Quantum Reservoir Computing

가설

Quantum reservoir computing(QRC)은 예술과 음악이 유발하는 뇌 활동의 비선형 동역학을 고전 모델보다 잘 포착한다. 이를 통해 신경 신호와 예술적 특징 사이의 연속적 의미 정렬이 가능해진다.

제안 근거

연구실은 EEG와 경험 보고로 경외와 기억을 연구하며, 별도의 이미지·음악 생성 방법도 다룬다. 이 연구들을 바탕으로 양자 리저버가 EEG 동역학과 예술·음악 특징을 고전 모델보다 잘 정렬하는지 비교할 수 있다.

발상에 참고한 연구

Continuous-Latent Predictive Modeling with Semantic Alignment for EEG-Language Foundation Models (arXiv (2026-08))
Repurposing Image Diffusion Models for Training-Free Music Style Transfer on Mel-Spectrograms (2026 IEEE International Conference on Image Processing (ICIP))
Hybrid Quantum Temporal Convolutional Networks (2026 International Conference on Quantum Communications, Networking, and Computing (QCNC))

실험 제안

추상 예술·음악 감상 중 EEG를 기록하고, 자극에서 CLIP·오디오 임베딩을 추출한다. EEG로 그 임베딩을 예측하는 QRC를 학습해 cosine similarity로 고전 reservoir·RNN과 비교한다.

위험과 한계

추상 예술의 '의미 특징' 정의가 주관적이고, QRC 해석이 불투명하며, 예술 감상 EEG 데이터가 부족할 수 있다.

2026-08-21파운데이션 모델

실시간 신경 예술 생성을 위한 에너지 효율적이고 로컬 배포 가능한 EEG 파운데이션 모델

Energy-Efficient and Locally Deployable EEG Foundation Models for Real-time Neuro-Art Generation

가설

중복 인지 토큰 풀링과 저주파 편향 보정을 EEG 파운데이션 모델에 결합하면, 정서 맥락의 기억이나 창작 상태를 실시간·저지연으로 재구성하는 에너지 효율적 로컬 배포 모델을 만들 수 있다.

제안 근거

연구실은 EEG 기반 기억 재구성과 인터랙티브 미디어 작업을 이어 왔지만, 지금의 파운데이션 모델은 연산 부담이 커 실시간 상호작용이 어렵다. ZIPBrain의 토큰 풀링과 저주파 편향 보정 연구가 바로 그 지점을 겨냥한다.

발상에 참고한 연구

ZIPBrain: Can EEG Foundation Models Be Faster, Locally Deployable, but Accurate? (arXiv (2026-08))
Understanding and Correcting Low-Frequency Bias in EEG Foundation Model (arXiv (2026-08))
Repurposing Image Diffusion Models for Training-Free Music Style Transfer on Mel-Spectrograms (2026 IEEE International Conference on Image Processing (ICIP))

실험 제안

ZIPBrain의 중복 인지 토큰 풀링을 기존 EEG 기반 오디오·비주얼 생성 파이프라인에 넣고 인코더에 저주파 편향 보정을 적용한 뒤, 저전력 엣지 장치에서 생성 품질·지연·자원 사용량을 원래 파이프라인과 비교한다.

위험과 한계

경량화가 생성 결과의 결을 깎아낼 수 있고, 잡음 섞인 EEG에서 고품질 멀티모달 생성을 실시간으로 해내는 일 자체가 여전히 어려운 과제다.

2026-08-21유전체·정신의학

정신과적 궤적 예측을 위한 다중 모드 양자 강화 인과 발견

Multi-Modal Quantum-Enhanced Causal Discovery for Psychiatric Trajectories

가설

Quantum ML을 유전체·뇌영상·환경 데이터와 결합하면 정신질환 궤적에 영향을 주는 요인의 인과 구조를 고전적 latent-space 방법보다 정확하게 찾을 수 있다.

제안 근거

연구실은 유전·뇌·행동·환경 지표의 관계를 분석하고 정신건강 지표를 예측할 모델을 연구한다. 같은 자료와 인과 가정 아래 양자 표현과 고전 표현을 비교해 인과 발견에 어떤 차이를 만드는지 시험해 볼 수 있다.

발상에 참고한 연구

Latent-Space Causal Discovery from Indirect Neuroimaging Observations (arXiv (Cornell University))
Polygenic risk-informed white matter integrity improves deep learning-based prediction of youth depression (Communications Medicine)
Polygenic architecture of brain structure and function, behaviors, and psychopathologies in children (Nature Communications (2025))
Q-DIVER: Integrated Quantum Transfer Learning and Differentiable Quantum Architecture Search with EEG Data (2026 International Conference on Quantum Communications, Networking, and Computing (QCNC))

실험 제안

먼저 같은 참여자의 유전·백질·환경·종단 우울 자료를 확보할 수 있는지 확인한다. 인과 구조를 아는 모의자료에서 양자·고전 방법의 구조 복원을 비교하고, 관찰자료에서는 가정에 따른 민감도와 예측을 평가한다.

위험과 한계

양자 인과 발견 알고리즘은 아직 초기 단계이고, 해석이 어려우며, 제한된 표본에서 미묘한 인과 효과를 찾을 통계적 검정력이 부족할 수 있다.

2026-08-21파운데이션 모델

정신과적 궤적 예측을 위한 의미론적 정렬 다중모달 뇌-언어 파운데이션 모델

Multimodal Brain-Language Foundation Models with Semantic Alignment for Neuro-Psychiatric Trajectory Prediction

가설

연속적인 EEG/fMRI 잠재 표현을 다중 질의 의미 분해로 대규모 언어모델과 정렬하면, 정신건강 궤적을 더 정확히 예측하면서 그 신경 상관을 언어로 해석할 수 있는 뇌-언어 파운데이션 모델을 만들 수 있다.

제안 근거

Neuro-X는 뇌 기록을 통해 인지와 행동을 이해할 모델을 개발한다. 뇌-언어 정렬은 이런 표현을 심리적 특성의 언어적 기술과 연결할 후보 방법이며, 정신건강 예측에 활용할 수 있는지는 시험할 질문이다.

발상에 참고한 연구

Continuous-Latent Predictive Modeling with Semantic Alignment for EEG-Language Foundation Models (arXiv (2026-08))
Polygenic architecture of brain structure and function, behaviors, and psychopathologies in children (Nature Communications (2025))

실험 제안

ABCD의 fMRI와 정신건강 지표로 시작한다. NeuroMamba의 fMRI 표현을 평가 문항의 텍스트 임베딩과 정렬하고, 언어 정렬을 넣지 않은 동일 모델과 학습에 쓰지 않은 표본의 예측 성능을 비교한다.

위험과 한계

잡음이 많은 신경 신호와 추상적인 언어 임베딩 사이의 의미 간극이 예상보다 클 수 있고, 뇌영상·임상 텍스트·유전체가 함께 있는 데이터 자체가 드물다.

2026-08-21파운데이션 모델

임상 신경과학을 위한 양자 강화 해석 가능한 EEG 파운데이션 모델

Quantum-Enhanced Interpretable EEG Foundation Models for Clinical Neuroscience

가설

매개변수화 양자 회로를 최신 EEG 파운데이션 모델에 결합하면, 귀인 점수나 프로토타입 표현의 생리학적 타당성을 높여 다양한 임상 집단에서 해석 가능성과 일반화 성능을 함께 끌어올릴 수 있다.

제안 근거

연구실은 DIVER로 EEG 표현 학습을, Q-DIVER로 양자 학습을 연구한다. EEG-PRISM과 EEG-JEPA를 바탕으로 양자 모듈이 귀인 해석이나 전이 성능에 도움을 주는지 시험할 수 있다. 고전 방법보다 나은지는 비교할 문제이다.

발상에 참고한 연구

EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models (arXiv (2026-08))
EEG-JEPA: Structured Latent Prediction for EEG Foundation Models (arXiv (2026-07))
Q-DIVER: Integrated Quantum Transfer Learning and Differentiable Quantum Architecture Search with EEG Data (2026 International Conference on Quantum Communications, Networking, and Computing (QCNC))

실험 제안

EEG-JEPA 또는 EEG-PRIME 구조에서 고전적 어텐션이나 잠재 공간 요소 하나를 매개변수화 양자 회로로 바꾸고, EEG-PRISM의 주파수/소스 매핑으로 귀인 맵의 생리학적 타당성과 피험자 간 정확도를 고전 기준선과 비교한다.

위험과 한계

양자 하드웨어의 잡음과 규모 제약이 여전하고, 정교한 고전 기법 대비 해석 가능성이나 일반화에서 분명한 양자 우위를 보이기는 당분간 어려울 수 있다.

2026-08-21파운데이션 모델

생리적 근거 기반 해석 가능성을 갖춘 양자 강화 시공간 정렬 EEG 파운데이션 모델

Quantum-Enhanced Spatio-Temporal Alignment for EEG Foundation Models with Physiologically-Grounded Interpretability

가설

EEG foundation model에 quantum ML 기반 시공간 정렬을 넣으면 데이터셋·피험자 간 일반화가 좋아지고, 예측 메커니즘의 생리학적 해석도 가능해진다.

제안 근거

STEAM, EEG-PRISM 같은 최신 EEG foundation model은 시공간 정렬과 해석 가능성을 요구한다. QML과 state-space 모델 양쪽에 강한 연구실이 시도하기에 적기다.

발상에 참고한 연구

STEAM: A Spatio-TEmporal Alignment Mixture-of-Experts Model with Hierarchical Pre-training for EEG Decoding (arXiv (2026-08))
EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models (arXiv (2026-08))
Q-DIVER: Integrated Quantum Transfer Learning and Differentiable Quantum Architecture Search with EEG Data (2026 International Conference on Quantum Communications, Networking, and Computing (QCNC))

실험 제안

STEAM류 아키텍처에 parameterized quantum circuit 정렬 모듈을 넣어 PhysioNet motor-imagery EEG로 학습한다. 피험자 간 정확도·F1을 고전 STEAM과 비교하고 EEG-PRISM으로 특징을 해석한다.

위험과 한계

양자 하드웨어의 노이즈·큐비트 한계가 회로 복잡도를 제한하고, 생리학적 해석은 ground truth 없이는 정량 검증이 어렵다.

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거

관련 연구실 연구

발상에 참고한 연구

실험 제안

위험과 한계

가설

제안 근거