연구진은 기록된 뉴런의 변화에 유연하게 대응할 수 있는 GRAFT라는 트랜스포머 기반 신경 모집단 활동 모델을 개발했어요. 이 모델은 재사용 가능한 시간 동역학과 재조정 가능한 뉴런 인터페이스를 분리하여 장기적인 뇌-컴퓨터 인터페이스에 적합하도록 설계됐어요.
MC Maze 실험에서 GRAFT는 0.3866 co-bps를 달성하며 기존 모델을 능가하는 성능을 보여줬고, 데이터가 제한된 환경에서도 효율적인 교차일 재조정이 가능했어요.
GRAFT는 전체 파라미터의 9.21%만 업데이트하여 다양한 크기의 MC Maze 데이터셋에서 높은 성능을 유지하며, 강력한 신경 모집단 활동 모델링과 데이터 효율적인 교차일 재조정을 동시에 지원한다는 것을 입증했어요.