Исследователи из Университета Калифорнии в Сан-Диего (UCSD) и стартапа NeuroSky представили метод генерации музыки на основе электроэнцефалограммы (ЭЭГ) с использованием технологии LoRA для тонкой настройки моделей искусственного интеллекта. Работа опубликована в открытом доступе на платформе GitHub.
Команда под руководством аспиранта кафедры компьютерных наук UCSD Лун Вана (Lun Wang) разработала систему, способную интерпретировать сигналы мозга, снятые с помощью недорогого нейроинтерфейса NeuroSky MindWave, и преобразовывать их в музыкальные композиции. В основе подхода лежит использование техники LoRA (Low-Rank Adaptation), которая позволяет адаптировать предобученные модели ИИ для специфических задач с минимальными вычислительными затратами.
Как пояснил Ван в своём посте на платформе X, система анализирует паттерны ЭЭГ, выделяя такие параметры, как уровень концентрации и расслабления, а затем генерирует звуковые дорожки в реальном времени. «Наша модель способна создавать музыку, отражающую эмоциональное состояние пользователя, без необходимости в сложном оборудовании», — отметил исследователь. Проект ориентирован на применение в терапевтических целях, например для музыкальной терапии или реабилитации пациентов с ограниченными возможностями.
Разработчики выложили исходный код и набор данных на GitHub, пригласив сообщество к сотрудничеству. В документации подчёркивается, что метод может быть адаптирован для других типов нейроинтерфейсов, включая более точные системы, такие как ЭЭГ-шлемы с большим количеством электродов. NeuroSky, известный своими доступными устройствами для мониторинга мозговой активности, ранее сотрудничал с разработчиками в области игровых приложений и медитации.
Публикация вызвала интерес среди специалистов по нейротехнологиям и искусственному интеллекту. Некоторые эксперты отмечают, что подход с использованием LoRA может снизить порог входа для исследований в области нейромузыки, однако подчёркивают необходимость дальнейших экспериментов для оценки точности и практической применимости метода.
Источники: X-пост Лун Вана (Lun Wang), 7 июня 2026; репозиторий проекта на GitHub.