في قلب التطورات الحديثة في مجال الذكاء الاصطناعي، تبرز تقنية جديدة تحمل اسم **CortexBridge**، التي تهدف إلى تحويل الآفاق في عالم قياسات التخطيط الكهربائي للدماغ (EEG). تعد نماذج EEG الأساسية غالبًا مهيأة مسبقًا باستخدام مجموعة محدودة من التخطيطات، مما يجعل عملية نقل المعرفة صعبة عندما تتغير هذه التخطيطات.

**CortexBridge** هو موصل خفيف الوزن يجمع بين ميزات EEG وإحداثيات الأقطاب الكهربائية والخرائط، ليقوم بتهيئة تخطيطات عشوائية في فضاء قشري مشترك. تمت تقييم هذه التقنية الجديدة مع ثلاثة نماذج أساسية متجمدة عبر خمسة مجموعات بيانات من واجهة الدماغ-الكمبيوتر (BCI)، والمعروفة باسم *أم جميع Benchmarks BCI* (MOABB). وقد أظهرت النتائج أن **CortexBridge** يُحسّن الأداء في 13 من 15 تقييمًا.

تظهر التحسينات في الدقة المتوازنة زيادة تبلغ 0.80% لنموذج **EEGPT**، و0.70% لنموذج **LaBraM**، و3.26% لنموذج **CBraMod**، مع تحقيق أقصى زيادة بلغت 13.02% في تصنيف استجابة البصر الثابتة ذات الـ12 فئة (SSVEP). تكشف التصويرات للتمثيلات الخرائطية المتعلمة عن أنماط مكانية تعتمد على المهام، حيث يظهر نموذج SSVEP تمثيلًا أكثر تركيزًا في *شبكة الرؤية Yeo* مقارنةً بتمثيل استجابة السمع P300.

تؤكد هذه النتائج على أن التوافق القشري يمثل آلية تعلم قابلة للتطبيق وقائمة على التشريح، مما يسهل الانتقال من تخطيطات EEG المتنوعة إلى النماذج الأساسية المدربة مسبقًا.