The Engine for
Real-Time,
Probabilistic BCI.
Nimbus Personalizer と SDK/API — 任意のエンコーダを固定し、軽量ベイズヘッドを適応させて BrainState をアプリに出力。低遅延、高適応性、説明可能性のために RxInfer 上に構築されています。
When the factory breaks,
restore — ~23× cheaper.
Raw EEG through a frozen encoder. Stress collapses the factory head. A thin Bayesian Personalizer climbs back — without fine-tuning the trunk.
Raw EEG → frozen foundation trunk. Weights stay locked.
- intent
- left
- confidence
- 0.82
- trunk
- frozen · EEGNet
- labels
- 0
Adapt wall
~23×
Fine-tune stays a priced escape hatch — not the default path.
Illustrative loop from exploratory BNCI stress protocols. Lead cost ~23× vs short fine-tune on locked bakeoff cells. Not an accuracy-SOTA claim — adapt when the factory breaks.
ひとつのAPI。トランク全般で実証された性能。
One Personalizer API across frozen trunks; treat fine-tune as a priced escape hatch. Under severe shift the Bayesian head recovers most of the fine-tune gain at ~23× lower adapt wall on the EEGNet bake-off — exploratory subject-level results, not an accuracy-SOTA claim.
| データセット | トランク | 精度 L0 | 精度 L1 | 精度 L3 | 回復率 | 時間比 L3/L1 |
|---|---|---|---|---|---|---|
| BNCI | EEGNet | 0.514 | 0.550 | 0.548 | ≥FT | ~31× |
| Zhou | EEGNet | 0.333 | 0.540 | 0.498 | ≥FT | ~21× |
激しいチャンネル混合条件下、ラベル付き適応試行数 n=40。L0 = キャリブレーション単体ヘッド、L1 = ストリーム Personalizer、L3 = ウォームスタート完全ファインチューニング。全トランクの詳細比較は公式ドキュメントへ。
適応型推論メソッド
encode → transform → Bayesian head → BrainState
固定された任意のエンコーダ上にベイズヘッドを配置。partial_fit によりオンラインで瞬時に更新。既存の表現学習で不十分な場合は、変換処理、トランクPEFT、またはErrPによって適応を拡張。アプリケーションは BrainState を直接読み取ります。
適応型ヘッド
固定された埋め込み特徴に対する標準的な共役NIW線形判別器。忘却係数を備えた閉形式オンライン partial_fit — トランクモデルに触れることなく、極めて低コストな個人適応を実現。
クラス別共分散行列を持つ共役NIW二次判別器。共通共分散の仮定が強すぎる場合でも、同様のオンラインベイズ更新パスを提供。
Polya-Gamma変分推論による多項ロジット。線形・二次ベイズでは適切な決定境界幾何学が得られない場合に、同じ固定エンコーダ上で機能する確率的ソフトマックスヘッド。
クラス事前分布およびロジットのドリフトを追跡する拡張カルマンフィルタ潜在状態トラッカー。共役ベイズ分類器の代わりにオンライン状態推定が必要な場合のストリーミングクラシックヘッド。
埋め込み変換
ヘッドに入力する前のキャリブレーション適合スケールおよび幾何アライメント。標準化、白色化、ユークリッドアライメント（EA）により埋め込みを安定化。
キャリブレーション時とストリーム時の分布間における共分散アライメント。条件間で埋め込みの2次統計量がドリフトする場合に活用。
リーマン・プロクラステス再センタリング（オプションのロバストウィンドウ付き）。共分散シフトがストリームを支配する場合の幾何学的アライメント。
ストリーム埋め込みからキャリブレーションへの教師ありリッジアフィン変換。教師なし変換では不十分な場合に使用するラベル消費型再アライメント。
トランク PEFT
固定トランクに低ランクアダプタを適用し、ベイズヘッドを再学習。表現のシフトがヘッド単体の更新能力を超える場合の拡張策。
サイトごとの不確実性とトランク＋ヘッドの複合不確実性を備えた変分ベイズLoRA。確率的スタック内で完結するPEFT。
トランクに対する有界γ/β特徴変調（恒等初期化、振幅制限付き）。完全なアダプタを用いずにソフトな特徴スケーリングを行いたい場合の中間層PEFT。
トランクの最終分類層のみをファインチューニングし、ヘッドを再学習。特徴表現をわずかに調整したい場合の軽量アプローチ。
adapt_trunk による完全なトランクのファインチューニング。PEFTやヘッド単体適応では不十分な場合の最終オプション。
フィードバック ＆ 自己教師あり学習
エラー関連電位（ErrP）または外部エラー信号からのソフトネガティブヘッド更新。完全なラベル付き試行を必要としないクローズドループ補正。
統合母集団NIW事前分布（fit_population）からベイズヘッドをウォームスタートさせ、コールドスタート時のキャリブレーション負担を大幅に削減。
ラベルなしストリームに対する認識的不確実性ゲート付き自己学習（adapt_pseudo）。不確実性ゲート下で低ラベル負担の更新を行いたい場合のオプション。
バッチ正規化アフィンパラメータに対するテスト時エントロピー最小化（fit_tent）。BN層を持つトランクに対する教師なしストリーム適応。
パラダイムレシピ
一般的なBCI構成向けファクトリレシピ — リーマン接空間エンコーダ、ERP/P300用xDAWN→tangent、または手動特徴量（CSP等）に対するヘッド単体構成。
for_deployment はトランクを固定しBayesian LDAをデフォルト設定。for_balora / for_lora は研究や拡張パス向けに複合不確実性を備えたPEFTトランクを配線。
API、レシピ、変換、PEFT の全容は公式ドキュメントへ。
実証された技術基盤の上に構築
Nimbus エンジンは、自動ベイズ推論のための最先端の反応型メッセージ伝播フレームワークである RxInfer を基盤としています。コア開発元である Lazy Dynamics 社とのパートナーシップにより、BCI 業界で最も高性能かつ信頼性の高いソフトウェア層を構築しています。
幅広いハードウェア互換性と
応用領域
Nimbus エンジンはハードウェア非依存で設計されており、BCIハードウェア全体に普遍的な処理レイヤーを提供します。
非侵襲型 EEG
Muse、OpenBCI、Emotiv などのデバイスに対応。 コンシューマー向けヘッドセット特有のノイズや非定常信号を巧みに処理。リアルタイム適応により、ゲーム、ウェルネス、ニューロフィードバック応用において高信頼の制御を実現します。
臨床・医療グレード機器
医療用脳波計、ECoG、支援技術に対応。 規制承認（FDA/CE）に不可欠な「ホワイトボックス」説明可能性と確信度スコアリングを提供し、次世代の神経リハビリテーションおよび診断機器を駆動します。
広帯域インプラント
Neuralink や Synchron などの微小電極アレイに対応。 超低レイテンシで高密度・大容量の高速データストリームを処理し、高自由度義手制御や神経コミュニケーションなどの先端応用を可能にします。
シンプルな統合、 確固たる成果
nimbus-bci はローカルで動作 — 固定エンコーダをラップし、ベイズ Personalizer を適合させ、BrainState をアプリに渡します。
# 1. Wrap any frozen trunk (encode → Z)
from nimbus_bci import Personalizer, wrap
enc = wrap(my_encoder.encode, model_id="eegnet", embedding_dim=64)
# 2. Fit a Bayesian Personalizer head
adapter = Personalizer.for_deployment(
enc, ["left_hand", "right_hand"],
paradigm="motor_imagery",
)
adapter.fit(X_cal, y_cal)
# 3. Predict → BrainState for apps
states = adapter.predict(X_test)
accepted = [s for s in states if not s.rejected]
# 4. Adapt online — no trunk fine-tune
adapter.partial_fit(X_new, y_new)Personalizer が提供する価値
モデルの乱立を防ぐ — 固定エンコーダとアプリケーションをつなぐ軽量レイヤー：ラップし、オンラインで適応し、不確実性でゲートし、BrainState を伝達。
encode(X) → Z を出力する任意のエンコーダを接続。トランクの重みはそのまま保持し、Nimbus がその上の個人適応層を管理します。
新しいラベルに対する共役ベイズヘッドの更新 — 厳密かつ低コスト。バッチ再学習やトランクの微調整なしでセッション内のドリフトに適応。
認識的不確実性と信頼度ゲートが、受容・棄却・追加ラベル要求を判断 — アプリが単一の不透明な推測で暴走するのを防ぎます。
意図、信頼度、不確実性、棄却フラグをひとつの洗練された仕様で提供。下流のUIや制御ループはモデル非依存のまま維持されます。
Partner preview
Conductor — when to spend adaptation.
Control layer for deployed Personalizer sessions: observe BrainState, bound label spend, escalate only when the resource ladder says so — companion control logic to the Personalizer preprint. Safety and spend bounds for OEM partners; not a public SDK release.
Book a Demo →イノベーションを加速する料金体系
次世代BCI技術へのアクセスを民主化することを信条としています。開発者や研究者向けの充実した無料プランに加え、成長に合わせて拡張可能な柔軟な従量課金プランを提供します。詳細な統合とサポートを必要とするエンタープライズパートナーには、専用のパートナーシッププランをご用意しています。
Developerプラン
BCIを探求する個人、研究者、チーム向け。
実験とイノベーションのために設計された充実の無料プラン。Nimbusコアエンジンにアクセスし、神経技術の未来を今すぐ構築しましょう。
含まれる内容:
コアSDK/APIへのアクセス- コミュニティサポート
- 十分な研究開発・プロトタイピング枠
Businessプラン
商用BCIアプリケーションを立ち上げるスタートアップおよび企業向け。
製品の成長に合わせて拡張する柔軟な利用量ベースのモデル。確固たる自信を持って市場に投入するためのパフォーマンスとサポートを提供します。
含まれる内容:
- Developerの全機能に加えて:
- より高いレート制限
- 本番環境向けSLA
- 標準テクニカルサポート
Enterpriseプラン
ハードウェアメーカーおよび大規模エンタープライズ導入向け。
複雑な要件を持つ組織のための専用パートナーシップ。カスタムモデル開発、深層統合、エンタープライズグレードのセキュリティを提供します。
含まれる内容:
- Businessの全機能に加えて:
- カスタムモデル開発
- 専任エンジニアリングサポート
- オンプレミス展開オプション
Developerプラン
BCIを探求する個人、研究者、チーム向け。
実験とイノベーションのために設計された充実の無料プラン。Nimbusコアエンジンにアクセスし、神経技術の未来を今すぐ構築しましょう。
含まれる内容:
- コアSDK/APIへのアクセス
- コミュニティサポート
- 十分な研究開発・プロトタイピング枠
Businessプラン
商用BCIアプリケーションを立ち上げるスタートアップおよび企業向け。
製品の成長に合わせて拡張する柔軟な利用量ベースのモデル。確固たる自信を持って市場に投入するためのパフォーマンスとサポートを提供します。
含まれる内容:
- Developerの全機能に加えて:
- より高いレート制限
- 本番環境向けSLA
- 標準テクニカルサポート
Enterpriseプラン
ハードウェアメーカーおよび大規模エンタープライズ導入向け。
複雑な要件を持つ組織のための専用パートナーシップ。カスタムモデル開発、深層統合、エンタープライズグレードのセキュリティを提供します。
含まれる内容:
- Businessの全機能に加えて:
- カスタムモデル開発
- 専任エンジニアリングサポート
- オンプレミス展開オプション