两个。
一个是植入材料的生物相容性问题。
比如植入式脑机接口使用的材料，可能会引起大脑排异反应，或者因为移动造成脑损伤等等。
毕竟大脑是人体所有的器官中精密度最高的。
遭遇任何的外力，都可能导致脑损伤脑死亡之类的严重问题。
不过这个问题在目前不用考虑，因为材料的生物兼容性问题理论上来说并不会导致神经信号的转换与传递的异常。
“会不会是脑电波信号的捕捉并不全面？”
翻阅着电脑中的实验数据，徐川脑海中冒出了一个想法。
对于脑机接口技术来说，神经信号捕捉的局限性是一个相当大问题。
一个普通人的大脑大约有约860亿个神经单元，而目前人类所能捕捉的只是其中的一部分。
这意味着还有大量的神经信号无法被有效利用。
尤其是大脑中的神经网络并非简单的线性叠加，而是涉及复杂的非线性关系。
这就使得同时发生的编码难以被解析。
而区分特定行为的大脑神经信号的编码与其他行为的编码，仍是一大挑战。
会不会是这方面有问题。
思索着，徐川点开了徐晓给他的资料中的另一个文件，这里面有她和星光虚拟科技公司的团队专门为星光脑机接口芯片而开发的技术。
一种两节rnn架构，非线性动态建模的方法。
这种技术使用循环神经网络架构和训练方法，通过非线性、动力学建模、行为相关神经动态的分离和优先级以及连续和间歇行为数据建模。
能够提高神经-行为预测的准确性、优化原始局部场电位的识别等传统神经信号模拟技术难以做到的领域。
不过想要从这些算法和实验数据中找出问题，哪怕是他，也一时半会难以做到。
毕竟一方面这并不是他熟悉的领域，另一方面神经信号的实验数据量，有点大。
其他的不说，光是正常清醒状态的大脑节律，与思考、有意识解决问题、对外部世界的注意力有关的β波（贝塔波）频率就高达14-30hz。
听起来这个数据似乎很小，毕竟每秒钟波动14-30次对于人类的研发的科技来说并不算什么。
但如果是结合脑神经对于各种外界信号的反馈和处理，进而产生的数据，就是一个庞大无比的量了。
好在对于脑神经型号来说，绝大部分的数据都可以通过不同的指标来进行归类。
否则要通过脑机接口芯片处理如此庞大数据根本就是一件不现实的事情。
......
书房中，徐川端起瓷杯中早已经凉了的茶水喝了一口润了润嗓子，活动了下疲劳的眼睛。
“小灵，帮我盯一下sas数据平台的数据分析工作，如果出现了和之前已经完成的数据幅度超过百分之五以上的数据提醒我一下。”
“好的，主人！交给小灵吧！”
书房中，小灵的声音响起，徐川拉开椅子，朝着外面走去，准备去冲个澡。
不得不说，这的确是他在应用数学上遇到过的一个比较棘手的难题了。
几乎所有的脑神经型号数据和转换的电信号数据从数学的角度上来说都没什么问题和异常。
哪怕是通过sas数据平台对整个数据进行分析处理，都没有找到问题。
在排除掉了两个数学模型之
（本章未完，请翻页）