提出统一计算框架 BrainFLORA，对 EEG、MEG、fMRI 三种神经模态进行表征、融合与对齐，集成混合专家跨模态投影模块。在跨被试视觉检索任务上取得 SOTA，首次系统性揭示不同神经模态对大脑概念表征的独特贡献。

针对多中心 fMRI 数据分辨率异构问题，提出分辨率无关的体素级编码框架 FlexiBrain，通过物理单位分块、动态分块调整与 Mamba-JEPA 架构实现原生空间自监督学习。在 ADHD、ABIDE、ADNI、PPMI 等 5 项下游任务上整体优于 SOTA，预处理成本从约 300 分钟降至约 3 分钟。

针对脑电视觉解码性能不足与泛化能力弱的问题，提出基于 EEG 的零样本视觉解码框架，包含自适应思维映射器（ATM）与两阶段引导扩散生成器。在图像分类、检索与重建三项任务上达到 SOTA，实现 EEG 解码性能与 MEG/fMRI 相媲美。