寬場鈣成像技術使得研究人員能夠同時記錄多個實驗動物的全腦皮層活動，為理解大腦動態提供了前所未有的視角。然而，該類資料具有高維度、複雜的時空結構以及大量的任務無關活動，導致以往的建模工作主要侷限於單次會話分析，嚴重限制了模型的可擴充套件性和泛化能力。儘管在多主體預訓練模型方面已有一些探索（例如在電生理或fMRI資料上），但針對寬場鈣成像的多主體模型一直未被提出；更廣泛地，對於多主體神經模型，主體不變的零樣本行為解碼仍然是一個重大挑戰。
來自的研究團隊在ICML 2026上發表了WiCAT模型，這是邁向寬場資料基礎建模的第一步。WiCAT採用自監督預訓練策略，透過引入基於標準腦圖譜的標記化方案，避免了會話特定元件的依賴，從而學習到全域性共享的時空表徵。該模型不僅顯著優於單會話模型，還首次實現了對從未見過的實驗主體的零樣本行為解碼。
在多個寬場成像資料集上的實驗表明，WiCAT預訓練模型能夠輕鬆支援輕量級的下游解碼任務，並且可以跨主體、跨任務、跨資料集進行遷移，其效能全面超越了基線模型。特別值得強調的是，WiCAT在未見主體上實現了魯棒的零樣本連續行為解碼，甚至能夠重建被刻意留出的腦區活動，展現了強大的泛化能力。
這項研究為寬場鈣成像資料的大規模、跨主體分析奠定了基礎，有望極大推動神經科學領域對腦皮層動力學的理解。研究團隊已開源相關程式碼，以促進社群進一步探索和應用。