Meta AIの研究チームは、脳活動データで学習したAIモデルを統一的に比較できるオープンソースのベンチマーク「NeuralBench」を公開しました。
初版となる「NeuralBench-EEG v1.0」では、36の下流タスクと94のデータセットを対象に、9,478人分・13,603時間のEEGデータを用いて14種類の深層学習アーキテクチャを同一の手順で評価します。
既存のNeuroAI評価が前処理やデータ、タスク選定で分断されていた点を解消することを目的に、NeuralFetch、NeuralSet、NeuralTrainの3つのPythonパッケージでデータ取得から学習までをモジュール化しました。
タスクはYAML設定で分割、前処理、学習ハイパーパラメータ、評価指標を指定し、CLIで実行できます。
結果では、パラメータ数が多いEEG基盤モデルの優位は限定的で、CTNetなど軽量なタスク専用モデルが上位に入るケースもありました。
また、EEGで事前学習したREVEがMEGのタイピング復号で最良となるなど、記録モダリティを越えた表現の移転可能性も示されました。
NeuralBenchはMITライセンスで利用できます。
参照元：2026/05/07 「Meta AI Releases NeuralBench: A Unified Open-Source Framework to Benchmark NeuroAI Models Across 36 EEG Tasks and 94 Datasets」 https://www.marktechpost.com/2026/05/07/meta-ai-releases-neuralbench-a-unified-open-source-framework-to-benchmark-neuroai-models-across-36-eeg-tasks-and-94-datasets/
この記事へのリアクション
このニュースをどう受け止めましたか？
コメント