3
0这份研究报告介绍了一款名为睡眠解释器（SI）的人工智能系统，旨在通过脑电图（EEG）解码人类睡眠中的语义记忆再现。研究人员构建了一个包含135名受访者、约1000小时睡眠数据的庞大数据库，并利用神经对比学习技术缩小了清醒与睡眠状态之间的脑电特征差异。实验证明，该模型在非快速眼动期（NREM）的慢波-纺锤波耦合阶段解码准确率最高，能够有效预测受访者醒后的记忆表现。此外，该系统支持实时睡眠分期与内容解码，为闭环睡眠干预提供了可能。验证实验进一步证实，无论是否存在外部声音诱导，该模型都能灵敏地捕获大脑内源性的记忆巩固过程。所有代码与数据已向社区开放，以推动认知神经科学与临床医学的相关研究。
References:
Chen Z, Zheng H, Zhou J, et al. Interpreting human sleep activity through neural contrastive learning[J]. Neuron, 2026.
