뇌 파운데이션 모델(SwiFT·DIVER)과 자연주의(naturalistic) 뇌 데이터로 자기참조(self-referential) 처리를 연구하는 학부생 연구 프로젝트 저장소의 공개본이다(미발표 자료와 내부 기록은 뺐다).
- 새로 합류했다면:
docs/ONBOARDING.md(학부 연구생용 온보딩 가이드)부터 읽는다. - 연구 설계와 실행 계획:
docs/PLAN.md.
1. 무엇을 묻나. 같은 영화를 봐도 뇌 반응은 사람마다 조금씩 다르다. 그 차이 가운데 "나와 관련 있다"고 느낄 때 달라지는 부분을 찾는다.
2. 가장 큰 함정. 뇌 신호로 사람을 알아맞히는 것은 쉽지만, 그 단서의 상당 부분은 머리 모양이나 움직임 습관처럼 '나'와 무관하다. 이런 가짜 단서를 먼저 걸러낸다.
3. 어떻게 하나. 새로 실험하지 않고, 이미 공개된 데이터와 Python으로 한다. 분석 코드를 가짜 데이터로 먼저 시험하고, 결과를 보기 전에 성공 기준을 적어 둔다.
- 환경:
uv sync(Python 3.11 이상, numpy·scipy·pandas·scikit-learn) - 테스트:
uv run pytest -m "not slow"(합성 데이터 정답 회복·음성 대조, PLAN §10 게이트) - 구성:
src/selfref/sim/(과제별 합성 데이터),analysis/(추정기),stats/(§6 판정, ICC, 부트스트랩, Freedman–Lane)