#neuroscience
共 9 篇相关内容 · 安全漏洞、AI动态、技术文章
技术文章 9
大脑GPS的数学密码：拓扑学如何破解网格细胞的空间导航之谜
# 大脑GPS的数学密码：拓扑学如何破解网格细胞的空间导航之谜 > 你闭上眼睛，在黑暗中走过一条熟悉的走廊——你依然知道自己的位置。这种神奇的空间感知能力，源于大脑深处一组被称为"网格细胞"的神经元。最新研究表明，数学中的拓扑学可以帮助我
用对齐而非复杂度来解码大脑：线性对比解码器如何胜过深度网络
认知科学认为大脑用高维向量空间表征概念。本文发现，从fMRI信号解码视觉、语言、音频刺激时，线性对比解码器一致优于岭回归和非线性深度网络。关键洞见：解码性能提升来自对比学习目标的选择，而非模型架构复杂度。fMRI的空间-时间平均效应将非线性神经计算线性化，使得简单线性模型配合适当目标函数即可达到最优。
单个神经元能'说话'吗？NEURRATOR用自然语言解读视觉皮层的细胞级语义
本文解读NEURRATOR框架——首个将单个神经元的放电活动解码为自由形式自然语言描述的系统。该框架结合CLIP编码器与多模态语言模型，在小鼠视觉皮层Neuropixels记录上实现了细胞级别的场景叙述，让每个神经元都能用人类语言'讲述'它看到了什么。
用神经网络补全大脑：混合生物物理神经元模型如何用Neural ODEs发现未知离子通道动力学
德国蒂宾根大学团队提出混合建模框架，将神经常微分方程嵌入Hodgkin-Huxley型生物物理模型，从电压记录中学习未知离子通道动力学和树突轴向电流。该方法在2400种离子通道模型上验证成功，能从单次电流钳记录中恢复未知门控动力学，还将多区室皮层神经元模型压缩为单区室模型，计算速度提升一个数量级。
用神经网络补全大脑：混合生物物理神经元模型如何用Neural ODEs发现未知离子通道动力学
德国蒂宾根大学团队提出一种混合建模框架，将神经常微分方程嵌入Hodgkin-Huxley型生物物理模型，从电压记录中学习未知离子通道动力学和树突轴向电流。该方法在2400种离子通道模型上验证成功，能从单次电流钳记录中恢复未知门控动力学，还将多区室皮层神经元模型压缩为单区室模型，计算速度提升一个数量级。
深度Transformer中的自适应推理与功能向量：从均场理论理解大模型如何学习
本文深入解读Ravin Raj和Gautam Reddy的最新研究，该工作从均场相互作用系统的角度重新审视深度Transformer，揭示了模型如何通过功能向量(function vectors)实现分布式推理，在层与层之间逐步推断潜在上下文变量。研究发现前馈模块和网络深度使Transformer能实现远比此前描述更丰富的上下文学习算法。
BrainWorld：用结构MRI引导全脑4D fMRI动态生成的全新框架
BrainWorld是一种结构先验条件生成模型，利用sMRI作为解剖学上下文来引导全脑4D fMRI动态生成。该模型在22个数据集上验证，可生成长达400帧的稳定fMRI轨迹，并通过生成样本增强提升下游任务性能，为脑动态建模和多模态表征学习开辟新路径。
揭秘婴儿大脑发育：结构-功能模块一致性如何从0到5岁演变
引入随机模块概念，提出鲁棒的概率性方法测量婴儿大脑结构-功能模块一致性，发现0-5岁期间SFMC持续下降，初级脑区一致性高于高级认知区域。
神经元会说话吗？单细胞分辨率下的视觉语义叙述
NEURRATOR框架首次实现了从单个神经元的放电活动中解码出自然语言描述的视觉场景，为理解大脑视觉编码提供了革命性工具。