单一推断过程构成工作记忆的行为与神经回路基础
A single inference process underlies the behavior and neural circuits of working memory
预印本 · 尚未经过同行评审
工作记忆的容量是离散槽位还是连续资源、注意如何提高回忆精度、记忆靠持续放电还是静默活动,长期存在分歧。作者提出 MemGP,把工作记忆刻画为特征空间连续函数上的概率推断,以高斯过程先验与变分目标平衡记忆强度,并用有限诱导点近似后验。模拟复现了负荷相关的精度下降、维持期注意收益和项目间吸引与排斥,算法还无需训练地解析映射到循环回路,推出中心-周边连接以及持续活动与突触权重的组合。该预印本尚未经同行评审。
工作记忆将过去的输入在线保持以服务于未来的行为。尽管已有数十年的研究,关于工作记忆的解释在各分析层次上仍然分歧,长期存在的争论包括:其容量反映的是离散槽位还是连续资源、注意如何改善回忆,以及其表征依赖于持续神经放电还是活动静默状态。在此我们表明,MemGP——一个同时在计算、算法和回路层次上被指定的理论——能够解释工作记忆中多样的行为与神经现象。在计算层次上,MemGP 将工作记忆刻画为对特征空间上连续函数的概率推断,其变分目标在记忆强度与高斯过程先验之间取得平衡。在算法层次上,记忆的写入、存储和读取对应于用一组有限的诱导点来近似该后验,而这些诱导点正是所有项目共享的资源。在模拟中,MemGP 再现了负载依赖的精度损失、维持期间的注意获益,以及项目间的吸引与排斥,并在每种情况下揭示了多重复杂的计算依赖关系。在回路层次上,该算法解析地(无需训练)映射到一个循环回路,包括其架构与动力学。除了再现延迟依赖漂移等神经现象外,这一解析映射还推导出中心—环绕连接(一种在吸引子模型中长期被假设的性质),以及持续活动与突触权重以结构化方式结合来保持记忆。因此,单一推断目标不仅联合预测了工作记忆的行为与神经特征,还在多个实例和不同分析层次上回应了现有的竞争性解释。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Neurons and Cognition · arxiv.org