本研究では、多領域の皮質内電極記録（SEEG）を、異なる被験者やセッションに跨る形で集約するための新たな手法を提案します。従来の空間正規化手法では個人間の機能的類似性を捉えることが困難であり、特に電極の配置や個々の神経ダイナミクスの違いが影響します。そこで、著者たちは、サイアミーズエンコーダを用いたアイデンティティ学习により、各電極の機能的表示を学習するスケーラブルなフレームワークを開発しました。このフレームワークは、異なる神経サインを考慮した埋め込みを生成し、トランスフォーマーによる地域間関係のモデリングを可能にします。実験では、20人の被験者から得られたデータセットにおいて、このフレームワークが有効であることが示され、コアとなる神経データの集約と事前学習への道筋が示唆されました。