이 논문은 NeurIPS 2025에서 열린 ‘Foundation Models for the Brain and Body’ 워크샵에서 발표되었다. EEG 자기 지도 학습(Self-supervised learning, SSL)은 비지도 데이터에서 EEG 표현을 학습하는 유망한 접근 방식을 제공하며, 수면 단계 및 발작 감지와 같은 임상 응용에 대한 비싼 주석의 필요성을 줄인다. 현재의 EEG SSL 방법은 대부분 마스크된 재구성 전략인 마스크된 오토인코더(Masked Autoencoders, MAE)를 사용하여 지역적 시간 패턴을 포착하는 반면, 위치 예측 사전 훈련은 장거리 패턴을 학습할 수 있는 잠재력에도 불구하고 충분히 탐구되지 않았다.

<Apple 뉴스 본문 전체읽기>