脑机百科消息(bciwiki.com)，美国加州大学洛杉矶分校（UCLA）牵头的研究团队利用颅内微电极记录的人脑神经元放电，训练出能够解码特定记忆的Transformer神经网络模型。在受试者自由回忆时，模型能预测其将说出的具体人物或地点等概念。相关论文《Reading specific memories from human neurons before and after sleep》以预印本形式于2026年9月5日上传至bioRxiv，尚未经同行评审，DOI为10.1101/2025.07.01.662486。
据论文摘要，训练数据只来自受试者观看一次视听片段时记录的神经元放电。模型通过跨通道注意力机制整合全脑多个记录位点的信号，能够发现跨脑区、跨时间尺度分布的神经活动模式。研究为每名受试者分别训练模型，并在训练数据分布之外的记忆回忆阶段检验其预测能力。
研究发现，不同脑区在睡眠前后对记忆解码的贡献不同。只用内侧颞叶神经元放电训练的模型，在睡眠前能显著解码概念，睡眠后不能；只用额叶皮层神经元放电训练的模型则相反，睡眠后能解码，睡眠前不能。额叶皮层的解码效果越好，对应的非快速眼动睡眠越多。作者据此认为，记忆信息分布在全脑多个神经元群体中，并随觉醒和睡眠周期发生转换。
作者在摘要中提出，这种对大脑自发产生的记忆的解码，为开发通过增强或抑制特定记忆来治疗情景记忆障碍的脑机接口提供了一条可能路径。这一应用目前仍是作者的设想，论文报告的是解码研究结果，未涉及任何干预或治疗。