わずか5%のパラメータで脳活動を予測。LoRAで挑むBrain Foundation Models
「人が映画を見ているとき、脳がどう反応するか」を、AIで予測する研究が進んでいます。

特にfMRI(機能的磁気共鳴画像法)で計測した脳活動を、映像・音声・セリフなどの刺激から予測する「脳エンコーディング」は、脳の情報処理を理解するための重要なアプローチです。ただ、これまで主流だったのは「事前学習済みモデルを凍結して読み出し層だけを学習する」か、「限られた脳データだけでゼロから学習する」かの二択に近かった。
そこに新しい中間の道を提示したのが、Mind Labの研究です。PEFTを脳基盤モデルに向けてスケールさせる取り組みでは、大規模なマルチモーダル基盤モデルに小さなアダプタ(LoRA)を付け、効率よく脳データに適応させる手法を示しています。
なぜPEFTが有効なのか
脳データは取得コストが高く、量が限られています。一方で、大規模な事前学習モデルは視覚・言語・時間的な表現をすでに豊富に持っています。この研究では、この両者をうまくつなぐために、次の3つのスケーリング軸を提案しています。
Scale up:より強力な事前学習済みバックボーンを使う
Scale down:更新するパラメータを小さく保ち、限られた脳データに合わせる
Scale out:小さなアダプタを複数用意し、被験者や脳領域ごとに特化させる

この考え方は、単なる効率化ではなく、「共有された強力な事前知識」と「局所的な特化」を両立させる設計思想です。
計算を劇的に軽くした工夫
実験では、Qwen3-Omni-30Bのような大規模マルチモーダルモデルを使い、Friends全7シーズンを視聴した被験者のfMRIデータ(Algonauts 2025チャレンジ)で検証しています。
従来の手法では、時間窓をスライドさせて何度もフォワードパスを回す必要があり、特徴抽出だけで膨大な計算がかかっていました。そこで、バックボーンが持つ因果マスクを活用し、一度のパスで複数時点の因果的特徴を取り出すようにしたところ、特徴抽出時間が約350倍短縮されたといいます。これにより、バックボーン自体を微調整する余地が生まれました。
小さなアダプタで大きな成果
凍結した大規模モデルに巨大な読み出し層を付けるのではなく、LoRAアダプタ(約61Mパラメータ)と軽量な読み出しを組み合わせたところ、学習可能パラメータは従来の約5%程度に抑えつつ、単一モデルとして従来の最良結果を上回りました。訓練時間も約100倍高速です。
さらに、クロスアテンション読み出しを組み合わせた単一モデルは、従来の15モデルアンサンブルをも超え、最終的に100以上のアダプタを組み合わせたアンサンブルでAlgonauts 2025チャレンジのID・OOD両リーダーボードで1位を獲得しています。

複数のアダプタを効率的に同時学習するためのマルチLoRAカーネルも開発されており、アダプタ数が増えるほど並列化の効果が顕著になるそうです。
脳基盤モデルへの示唆
この研究は、まだ「脳基盤モデル」そのものを完成させたわけではありません。しかし、大規模な共有モデルに小さな神経アダプタを付けて特化させる方向性は、今後の有望な道筋だと感じます。
被験者ごと、脳領域ごと、タスクごとにアダプタを分けて持つことができれば、共通の強力な表現を保ちつつ、個別の違いにも対応しやすくなります。これは脳科学だけでなく、パーソナライズされたAIの設計思想とも通じる部分があります。
関連して、脳エンコーディングの分野では、刺激から脳活動を予測する取り組みが活発で、Algonautsプロジェクトの公式ページでは最新のチャレンジ内容も確認できます。また、PEFT全般のスケーリング可能性については、大規模モデルに多数の小さなアダプタを載せる方向の議論も進んでいます。
まとめ
限られた脳データと、すでに豊富な表現を持つ大規模モデルを、どのように橋渡しするか。この研究は「全部を学習し直す」でも「完全に凍結する」でもない、PEFTを軸にした現実的な解を示しています。
詳細はMind Labの解説記事で丁寧にまとめられています。脳とAIの接点に興味がある方は、ぜひ一度読んでみてください。
皆さんは、脳活動を予測するAIや、個人に特化したアダプタの方向性について、どう感じますか?
コメントで教えてもらえると嬉しいです。