Ngày 18/8/2026, nhóm nghiên cứu Machine Learning của Apple công bố nghiên cứu về MVICAD2 (Multi-View Independent Component Analysis with Delays and Dilations), một kỹ thuật học máy mới nhằm giải quyết các thách thức căn bản khi xử lý dữ liệu đa góc nhìn (multi-view) trong thần kinh học. Công trình này tập trung vào bài toán ước lượng nguồn tín hiệu hoạt động não bộ ẩn từ các phép đo từ não đồ (MEG) trên nhiều đối tượng thử nghiệm khác nhau.
Trong các bài toán học máy đa góc nhìn, việc tích hợp nguồn dữ liệu không đồng nhất, căn chỉnh không gian đặc trưng và kiểm soát sai lệch đặc thù theo từng góc nhìn luôn là rào cản kỹ thuật lớn. Thách thức này đặc biệt rõ nét trong lĩnh vực thần kinh học khi các nhà nghiên cứu cần phân tích dữ liệu từ nhiều người cùng tiếp nhận một kích thích để giải mã động lực học hoạt động não. Với kỹ thuật MEG ghi nhận tín hiệu từ bề mặt da đầu, việc ước tính chính xác nguồn phát tín hiệu bên trong não đóng vai trò then chốt, nhất là trong các nghiên cứu nhóm vốn giả định rằng các nguồn phát tín hiệu có tính chất tương đồng giữa các đối tượng.
Theo bài báo từ Apple Machine Learning Research, các phương pháp phân tích thành phần độc lập đa góc nhìn (Multi-View ICA) truyền thống thường gặp khó khăn trước sự biến thiên về thời gian và cường độ giữa các cá nhân. MVICAD2 được thiết kế để trực tiếp xử lý các yếu tố độ trễ thời gian (delays) và sự giãn nở tín hiệu (dilations) xuất hiện giữa các chủ thể hoặc góc nhìn dữ liệu khác nhau. Bằng cách tính toán đến những sai lệch phi tuyến tính này trong quá trình đồng bộ hóa dữ liệu, mô hình cho phép bóc tách các thành phần độc lập đại diện cho hoạt động thần kinh chuẩn xác hơn.
Nghiên cứu hiện tập trung vào nền tảng lý thuyết và xử lý dữ liệu tín hiệu từ não đồ MEG. Báo cáo từ Apple chưa công bố mã nguồn mở đi kèm hay lộ trình áp dụng cụ thể của kỹ thuật MVICAD2 vào các thiết bị hoặc tính năng thương mại dành cho người dùng cuối.