Este año hemos participado en la LibriBrain Competition 2025, un desafío internacional presentado en NeurIPS 2025 que impulsa la investigación de decodificación de lenguaje a partir de señales cerebrales no invasivas, utilizando el extenso conjunto de datos LibriBrain. El objetivo de la competición es fomentar avances significativos en interfaces cerebro-ordenador que puedan, en el futuro, ayudar a restaurar la comunicación en personas con déficits del habla y abrir nuevas vías para la interacción entre humanos y máquinas a través de señales neurales.
Nuestro sistema neural2speech logró el primer puesto en el Phoneme Classification Standard Track, una de las dos pistas del desafío de clasificación de fonemas que exige a los participantes desarrollar modelos capaces de predecir fonemas a partir de datos de MEG (magnetoencefalografía), utilizando únicamente el conjunto de entrenamiento oficial sin datos externos.
En el paper “MEGConformer: Conformer-Based MEG Decoder for Robust Speech and Phoneme Classification” describimos la arquitectura y los métodos clave detrás de nuestro enfoque: adaptamos un modelo Conformer, originalmente desarrollado para tareas de reconocimiento automático de voz (ASR), a señales MEG de 306 canales para capturar características temporales y espectrales relevantes. Implementamos técnicas como normalización a nivel de ejemplo para mitigar cambios de distribución entre particiones de datos y un cargador dinámico de agrupamiento para mejorar la clasificación de fonemas en promedios de muestras, junto con un esquema de ponderación de clases basado en la raíz inversa del número de ejemplos para manejar el desequilibrio de clases.
Gracias a estas innovaciones, el modelo alcanza resultados robustos en el Standard Track de clasificación de fonemas, destacándose entre las soluciones presentadas y consolidando un avance significativo en la intersección entre procesamiento del lenguaje y neurociencia.
![BioCrucesLogo[1]](http://aholab.ehu.eus/aholab/wp-content/uploads/2018/06/BioCrucesLogo1.png)
