최근 뇌파(EEG) 신호를 미세 상태(microstates)라는 최소 단위로 분절해 토큰화하는 새로운 표현 학습 프레임워크가 공개되었다. 연구진은 대규모 의료용 뇌파 데이터를 활용해 연속적인 신호를 이산적인 미세 상태 시퀀스로 변환하는 토큰화 모델을 구축했다. 이는 뇌 활동 패턴을 미세한 시간 척도에서 구조화하여 분석하는 방식이다. 기존 뇌-컴퓨터 인터페이스(BCI) 분야에서는 뇌파를 다변량 시계열 신호로 간주하고 시간이나 주파수 영역의 특징을 추출하는 방식이 주를 이뤘다. 그러나 이러한 방식은 데이터의 복잡성을 충분히 담아내기 어렵다는 한계가 있었다. 이번 연구는 미세 상태를 활용함으로써 수면 단계 분류, 감정 인식, 운동 상상 분류 등 다양한 하위 과제에서 기존 방식보다 높은 성능을 기록했다. 이번 연구 결과는 뇌과학과 임상 연구 분야에서 뇌파 데이터의 해석 가능성과 확장성을 크게 개선할 것으로 기대된다. 특히 범용적인 토큰화 기법을 통해 다양한 뇌파 분석 과제에 즉각 적용할 수 있다는 점이 강점이다. 향후 뇌 질환 진단이나 인지 신경과학 연구에서 데이터 처리 효율을 높이는 핵심적인 도구로 자리 잡을지 주목된다.