كل يوم، يصدر الدماغ نغمًا مختلفًا قليلًا. بالأمس، كانت فكرة تحريك اليد اليسرى تُنتج نمطًا معينًا من الموجات الكهربائية، واليوم تُنتج نمطًا مختلفًا بعض الشيء. بالنسبة لواجهة الدماغ-الحاسوب (الجهاز الذي يحول الأوامر الذهنية إلى أفعال)، هذه مشكلة كبيرة: إعدادات الأمس لم تعد صالحة اليوم.

الطريقة الجديدة المسماة MRieHy لا تتعلم من تسجيل واحد، بل من مجموعة كاملة من "بصمات" نشاط الدماغ على مدى أيام عديدة. أولًا، تجد مركزًا مشتركًا لهذه البصمات — كما لو أننا جمعنا عشرات الصور لشخص واحد وأنشأنا صورة متوسطة يسهل مقارنة الصور الجديدة بها. ولتحقيق ذلك، تُستخدم هندسة ريمان (Riemannian geometry)، وهي طريقة لقياس المسافات بين مصفوفات معقدة تصف النشاط الكهربائي للدماغ. ثم يُبنى رسم بياني فائق (hypergraph): وهو شبكة حيث يمكن للروابط أن تربط ليس زوجًا من النقاط فحسب، بل عدة نقاط في وقت واحد — مثل محادثة جماعية بدلًا من مكالمة هاتفية ثنائية. يُبنى رسم بياني فائق واحد بناءً على المسافات الهندسية بين البصمات، وآخر بناءً على تشابه السمات العميقة المستخرجة من الإشارات. تُدمج الشبكتان بأوزان تُحدد تلقائيًا.

أثناء الاستخدام الفعلي، يحتفظ النظام في ذاكرته بآخر عدة بصمات دماغية (مثل مخزن مؤقت للأحداث الأخيرة)، ويوازنها مع الصورة المتوسطة، ويصدر الأمر فورًا. أظهرت التجارب على بيانات من أقطاب كهربائية مزروعة ومن أغطية رأس عادية لتخطيط كهربية الدماغ (EEG) أن دقة التعرف على أربعة أنواع من الحركات الذهنية أعلى من أفضل الطرق السابقة.

هذا النهج يجعل الواجهة العصبية أشبه بمترجم متمرس سمع نفس الصوت في حالات مزاجية مختلفة، ولذلك يفهمه حتى مع بحة طفيفة.