神經資料 Transformer（NDT）

神經資料 Transformer（NDT）由 Ye 與 Pandarinath（2021）提出，是一種應用於尖峰神經元群體的 transformer，能以單次非循環的前向傳遞，從分箱的尖峰計數推得平滑的潛在放電率。它被提出作為 LFADS 更快、可平行化的替代方案：LFADS 使用循環變分自編碼器，NDT 則以自注意力遮罩並重建尖峰分箱，在延遲遠低的情況下達到相當的潛在品質與行為解碼準確率——這對即時閉迴路 BCI 頗具吸引力。

後續變體（尤其是 NDT2 及相關的時空詞元化方法）把此概念擴展到跨場次、跨受試者與跨腦區，將每個「通道–時間」分塊視為一個詞元，成為皮質內資料神經基礎模型的範本。它們凸顯的未解問題是：在刻板的運動任務上，注意力的彈性是否真能超越調校良好的動力學模型已能捕捉的部分。