从神经元与其他神经元的关联中读出其调谐

一个神经元表征什么，通常是通过将其活动与刺激相关联来确定的。我们追问的是，同样的事实是否也包含在所记录群体的相关矩阵中——该矩阵保留了神经元之间的两两关系，而丢弃了刺激。一个只看到 512 个采样神经元相关矩阵的 transformer，其输入中没有标签，也没有参考群体，它从体内 MICrONS 对小鼠视觉皮层神经元的响应中解码出偏好朝向，平均误差为 25{\deg}（无信息：45{\deg}；最佳常数猜测：41{\deg}），并以 R^2 = 0.23 解码出感受野位置；在数字孪生基底上，分别为 20{\deg} 和 0.48。当被问及一个神经元偏好水平还是垂直时，它在体内对 79% 的神经元判断正确，在孪生体上为 87%，而多数答案的准确率为 56%；它无法分辨斜向。这种排序之所以可恢复，是因为朝向类别之间的关系接近循环矩阵，这确定了类别结构，仅差一个旋转和反射；坐标系的旋转之所以可恢复，仅仅是因为存在对这种对称性的偏离。这种偏离在每种朝向均等呈现以及训练和测试刺激不相交的情况下依然存在，并且它是信号相关的一种各向异性：在 V1 中，偏好主导朝向的神经元彼此之间的响应最为相似，而一个仅具备该性质的模型群体就能恢复坐标系。在 Allen Brain Observatory 的 33 只小鼠中，使用漂移光栅得到的关系，朝向仅在采样群体混合了不同动物时才能迁移到未见过的动物；从单只动物抽取的群体无法被可测量地解码到优于最佳常数的水平，这是一只动物所能提供的群体多样性的极限。对于感受野，跨动物迁移的是每只动物成像区域在屏幕上的位置，而不是其内部神经元的布局。

中文由 AI 翻译，仅供参考，以原文为准。