非平穩潛在動力學

真實的神經紀錄並非平穩：電極會漂移與失效、阻抗會改變、所表徵的行為與內在狀態會轉移，而神經調諧本身也會跨日重組（表徵漂移）。因此，在某一場次上估計的潛在動力學模型，不保證在下一場次仍成立，這正是要讓 BCI 能運作數年而不需每日重新校準的核心障礙。前沿的問題是：潛在動力學中有多少是一條穩定、跨場次不變的定律，又有多少是從該定律映射到所紀錄通道上、會隨時間改變的觀測映射。

目前最成功的答案是把一個穩定的潛在流形及其動力學，與一個非平穩的讀出分離開來，再把新資料重新對齊到舊的潛在空間——藉由分布對齊、對抗式或對比式的場次不變性、流形／子空間對齊，或測試時調適——如此建立在潛在動力學上的解碼器便可重複使用。相關支線則把參數本身視為緩慢時變（線上／適應性辨識），或把漂移明確建模為疊加在快動力學之上的一層超動力學。誠實而未決的問題是：底層是否真存在一條不變的動力學定律，抑或表面的穩定只是對齊目標所造成的假象；要區分真實的不變性與被強加的不變性，仍未解決。