Reconstructing the Hemodynamic Response Function via a Bimodal Transformer
Tel Aviv University（特拉维夫大学）；The Hebrew University of Jerusalem（希伯来大学）
本研究提出一种新颖的时空双模态Transformer架构，利用清醒小鼠的体内记录数据，基于历史血流和自发神经元活动直接在神经元群体层面预测当前血流，显著提升了预测能力，并为血流动力学响应特性提出了新假设。
2023-06-28 cs.AI cs.LG q-bio.NC
Neural Latents Benchmark '21: Evaluating latent variable models of neural population activity
Princeton University（普林斯顿大学）；Columbia University（哥伦比亚大学）；University of Pittsburgh（匹兹堡大学）；Massachusetts Institute of Technology（麻省理工学院）；Neuralink Corp.（Neuralink公司）；Stanford University（斯坦福大学）；University of Chicago（芝加哥大学）；Northwestern University（西北大学）；Stony Brook University（石溪大学）；Emory University（埃默里大学）；Georgia Institute of Technology（佐治亚理工学院）；Carnegie Mellon University（卡内基梅隆大学）
神经记录的进步为以前所未有的细节研究神经活动提供了越来越多的机会。潜变量模型（LVMs）是分析不同神经系统和行为的丰富活动的有前途的工具，因为LVMs不依赖于活动和外部实验变量之间的已知关系。然而，LVMs神经元群体活动的进展目前受到缺乏标准化的阻碍，导致方法以特定的方式开发和比较。为了协调这些建模工作，我们引入了一个基准套件的神经群体活动的潜变量建模。我们从认知，感觉和运动领域策划了四个神经尖峰活动的数据集，以推广适用于这些领域的各种活动的模型。我们将无监督评估确定为跨数据集评估模型的通用框架，并应用了几个展示基准多样性的基线。我们通过EvalAI发布此基准。http://neurallatents.github.io
2022-01-17 cs.LG q-bio.NC
SynapsNet: Enhancing Neuronal Population Dynamics Modeling via Learning Functional Connectivity
University of British Columbia（不列颠哥伦比亚大学）
提出深度学习框架SynapsNet，通过学习神经元间的功能连接性来建模群体动力学，在多种记录模态和任务中显著提升了群体活动预测性能，并准确揭示了神经元间的预测性相互作用。
2024-11-12 cs.LG q-bio.NC
Population Transformer: Learning Population-level Representations of Neural Activity
California Institute of Technology（加州理工学院）；MIT CSAIL, CBMM（麻省理工学院计算机科学与人工智能实验室、认知与脑科学中心）
提出自监督框架PopT，通过聚合稀疏电极通道学习群体级神经表征，降低解码数据需求并提升精度，支持多模态，可解释性强，已开源。
2025-03-28 cs.LG q-bio.NC
Multiplicative and additive modulation of neuronal tuning with population activity affects encoded information
大量研究表明，神经元响应受刺激特性的调节，也受局部网络状态的调节。然而，很少有人知道神经元群体的活动波动如何调节细胞的感觉调谐，并影响其编码的信息。我们发现灵长类动物视觉皮层中正在进行的和刺激诱发的群体活动的波动以乘法和加法的方式调节神经元的调谐。当神经元分布在连续体上时，具有较强乘法效应的神经元倾向于具有较少的加法调制，反之亦然。倍增调制神经元编码的信息随着群体活动的增加而增加，而叠加调制神经元编码的信息则随着群体活动的增加而减少。这些影响相互抵消，所以人口活动对总信息的影响很小。因此，我们的研究结果表明，内在的活动波动可能会作为一个“红绿灯”，决定哪些子集的神经元是最丰富的信息。
2017-11-04 q-bio.NC
Robust alignment of cross-session recordings of neural population activity by behaviour via unsupervised domain adaptation
University of Edinburgh（爱丁堡大学）；Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院）
与行为相关的神经元群体活动被假定为固有的低维，尽管观察到使用多电极阵列记录的数据的高维性。因此，从神经元群体记录预测行为已被证明是最有效的，当使用潜变量模型。然而，随着时间的推移，单个神经元的活动可以漂移，并且由于植入的神经探针的移动，不同的神经元将被记录。这意味着一个被训练来预测某一天行为的解码器在另一天测试时表现更差。另一方面，有证据表明，行为背后的潜在动力甚至可能在数月或数年内保持稳定。基于这一想法，我们引入了一个模型，能够推断行为相关的潜在动态从以前看不见的数据记录从同一个动物，而不需要解码器重新校准。我们表明，无监督域自适应结合顺序变分自动编码器，在几个会话上训练，可以实现良好的泛化到看不见的数据，并正确预测传统方法失败的行为。我们的研究结果进一步支持了这一假设，即行为相关的神经动力学是低维的，随着时间的推移是稳定的，并将使更有效和灵活地使用脑机接口技术。
2022-02-16 cs.LG q-bio.NC
Modeling Higher-Order Interactions in Sparse and Heavy-Tailed Neural Population Activity
本研究推导了同质二元神经元在无限大网络中生成稀疏且重尾群体发放率分布的充分条件，提出包含交替符号高阶交互的指数族分布子类，并揭示神经元的阈值与超线性非线性特征促进了群体同步活动，为开发节能脉冲学习机奠定基础。
2025-07-16 q-bio.NC
Average activity of excitatory and inhibitory neural populations
我们开发了一个扩展的的E-Antonsen方法，允许获得的平均活动（尖峰率）的人口兴奋单位。利用E-T方法，得到了兴奋性和抑制性可兴奋单位耦合群体序参量的动力学方程，并计算了它们的平均活性。研究了两种不同的可兴奋系统：阿德勒单位和θ神经元。所得的分岔图进行比较，从研究的唯象威尔逊-考恩模型在某些区域的参数空间。相容的行为，以及高维的混沌解，观察。我们研究数值模拟，以进一步验证方程。
2016-08-26 q-bio.NC
Modeling the correlated activity of neural populations: A review
神经编码和计算的原理本质上是集体的，通常涉及大量具有高度相关活动的相互作用的神经元。虽然神经功能理论早已认识到集体效应在神经元群体中的重要性，但直到过去20年，才有可能使用先进的实验技术同时记录许多细胞的单个尖峰分辨率，并将这些相关性与功能和行为联系起来。这篇评论的重点是最近开发的建模和推理方法来描述相关的尖峰活动的神经元群体。我们涵盖了各种模型，描述神经元对之间的相关性，以及更大的群体之间，同步或延迟的时间，有或没有明确的影响的刺激，包括或不包括潜在的变量。我们讨论了每种方法的优点和缺点，以及与其应用程序记录越来越大的人口相关的计算挑战。
2018-06-21 q-bio.NC
Theory of population coupling and applications to describe high order correlations in large populations of interacting neurons
为了了解神经元群体中的集体尖峰活动，揭示负责这些紧急功能状态的基本电路变量是至关重要的。本文对最近在小鼠和猴的视觉皮层研究中提出的群体耦合的平均场理论进行了发展，将单个神经元的活动与群体活动联系起来，并将原来的形式扩展到二阶，将神经元对的活动与群体活动联系起来，以解释神经元数据中观察到的高阶相关性。我测试的蝾螈视网膜数据和行为大鼠的皮层尖峰数据的计算框架。对于视网膜数据，原始形式的群体耦合及其高级形式可以分别解释两细胞相关性和三细胞相关性的显著部分。对于皮层数据，性能变得更好，二阶种群耦合揭示了局部皮层回路中的非局部效应。
2017-02-01 physics.bio-ph q-bio.NC
Demixed principal component analysis of population activity in higher cortical areas reveals independent representation of task parameters
高级皮层区域的神经元，如前额叶皮层，被认为可以调节各种感觉和运动变量。由此产生的神经调谐的多样性往往掩盖了所表示的信息。在这里，我们介绍了一种新的降维技术，分层主成分分析（dPCA），自动发现和突出的基本特征，在复杂的人口活动。我们重新分析了执行各种工作记忆和决策任务的大鼠和猴子的前额区的人口数据。在每种情况下，dPCA都在一张图中总结了群体响应的相关特征。人口活动被分解成几个分层的组件，捕获数据中的大部分方差，并突出动态调整人口的各种任务参数，如刺激，决策，奖励等，此外，dPCA揭示了强大的，条件无关的组件的人口活动，仍然与传统的方法被忽视。
2014-10-22 q-bio.NC stat.ML
An analytically tractable model of neural population activity in the presence of common input explains higher-order correlations and entropy
同时记录的神经元表现出相关性，其根本原因尚不清楚。在这里，我们使用一群阈值神经元接收相关的输入来模拟神经元群体记录。我们分析表明，二阶相关性的小变化可能导致较大的变化，在较高的相关性，这些高阶相关性有很强的影响人口的熵，稀疏性和统计热容量。值得注意的是，我们对这个简单模型的发现可以解释最近在神经元群体记录中观察到的一些令人惊讶的效应。
2010-09-17 cond-mat.dis-nn physics.data-an q-bio.NC
Neural Language Taskonomy: Which NLP Tasks are the most Predictive of fMRI Brain Activity?
INRIA（法国国家信息与自动化研究所）；IIIT Hyderabad（印度海得拉巴国际信息技术学院）；Microsoft（微软）
几种流行的基于Transformer的语言模型已经被发现对于文本驱动的大脑编码是成功的。然而，现有文献仅利用预训练的文本Transformer模型，并且尚未探索特定于任务的学习Transformer表示的功效。在这项工作中，我们探索了从十个流行的自然语言处理任务（两个句法和八个语义）学习的表征的迁移学习，用于预测来自两个不同数据集的大脑反应：Pereira（受试者阅读段落中的句子）和Narratives（受试者听口语故事）。基于任务特征的编码模型用于预测整个大脑不同区域的活动。共指消解、NER和浅层句法分析的特征解释了阅读活动的更大差异。另一方面，对于听力活动，任务，如释义生成，摘要，和自然语言推理表现出更好的编码性能。所有10个任务表征的实验提供了以下认知见解：（i）语言左半球比语言右半球具有更高的预测脑活动，（ii）后内侧皮层、颞顶枕交界区、背额叶与早期听觉和听觉联合皮层具有更高的相关性，（iii）句法和语义任务分别在阅读和听力刺激的大脑区域中显示出良好的预测性能。
2022-05-03 cs.AI cs.CL cs.LG
Dynamical criticality in the collective activity of a population of retinal neurons
最近基于多电极和成像技术的实验结果重新激发了大型神经网络在有序和无序之间的临界点附近运行的想法。然而，关键性的证据依赖于任意阶参数的定义，或不解决网络活动的动态性质的模型。在这里，我们介绍了一种新的方法来评估的关键性，克服了这些限制，同时涵盖和概括以前的标准。我们发现了一个简单的模型来描述大鼠视网膜中大量神经节细胞的全局活动，并表明它们的统计数据在临界点附近保持平衡。考虑到活动的时间动态大大增强了临界性的证据，揭示了以前的方法不会。该方法是通用的，可以用于其他生物网络。
2015-01-31 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Synthesizing realistic neural population activity patterns using Generative Adversarial Networks
合成神经活动的真实模式的能力对于研究神经信息处理至关重要。在这里，我们使用生成对抗网络（GANs）框架来模拟神经元群体的协同活动。我们调整了Wasserstein-GAN变体，以便于生成无约束的神经元群体活动模式，同时仍然受益于时间域中的参数共享。我们证明了我们提出的GAN，我们称之为Spike-GAN，生成的脉冲序列与数十个神经元的数据集的一阶和二阶统计量准确匹配，并且也很好地近似于它们的高阶统计量。我们将Spike-GAN应用于从蝾螈视网膜记录的真实数据集，并表明它与基于最大熵和二分高斯框架的最先进方法一样好。重要的是，Spike-GAN不需要事先指定模型要匹配的统计数据，因此构成了比这些替代方法更灵活的方法。最后，我们展示了如何利用一个训练有素的Spike-GAN构建“重要性地图”来检测脉冲序列中最相关的统计结构。Spike-GAN提供了一种功能强大、易于使用的技术，用于生成逼真的尖峰神经活动，并用于描述现代系统神经科学中研究的大规模神经元群体记录的最相关特征。
2018-04-17 cs.NE q-bio.NC
OMiSO: Adaptive optimization of state-dependent brain stimulation to shape neural population states
提出脑刺激框架OMiSO，利用刺激前大脑状态并自适应优化参数，将神经群体活动驱动至指定状态，在猴子实验中优于竞争方法，提升了神经调控准确性。
2025-07-10 q-bio.NC
Signatures of criticality arise in simple neural population models with correlations
对神经元活动的大规模记录使人们有可能深入了解神经系综的集体活动。有人假设，神经种群可能会被优化，以在"热力学临界点"，这一属性的信息处理的影响。支持这一观点的是一系列的研究，这些研究确定了视网膜神经节细胞整体活动中临界性的统计特征。产生这些观察结果的潜在机制是什么？在这里，我们表明，即使在简单的前馈模型的视网膜人口活动的关键性出现的签名。特别是，每当神经元群体数据表现出相关性时，它们就会发生，并且在数据分析期间随机子采样。这些结果表明，关键性的签名不一定表示优化的编码策略，并挑战效用的分析方法的基础上平衡热力学理解部分观察到的生物系统。
2018-01-31 q-bio.NC
Random versus maximum entropy models of neural population activity
最大熵原理提供了一种从相关系统中的观测推断统计力学模型的有用方法，并且广泛用于可获得准确数据的各种领域。虽然最大熵的假设是直观和吸引人的，但与其他方法相比，它对描述复杂经验数据的充分性研究很少。这里的数据从集体尖峰活动的视网膜神经元进行重新分析。平均发射率和成对相关性约束的最大熵分布的准确性相比，由相同的观测约束的分布的随机合奏。一般来说，最大熵比来自该集合的典型或平均分布更接近真实分布。这种优势随着群体规模的增加而改善，小到8个的群体几乎总是可以用最大熵更好地描述。失败的最大熵优于随机模型被发现与人口中的强相关性。
2016-12-08 cond-mat.dis-nn q-bio.NC
LOOPER: Inferring computational algorithms enacted by neuronal population dynamics
现在可以同时记录数百个神经元的活动。现有的方法可以模拟这种群体活动，但不能直接揭示大脑使用的计算。我们提出了一个完全无监督的方法，模拟神经元的活动，并揭示了计算策略。该方法构造了一个由互连回路组成的神经元动力学拓扑模型。循环之间的转换标志着计算上突出的决策。我们精确地模拟了在工作记忆任务中灵长类动物皮层中100个神经元的激活。在同一任务上训练的递归神经网络（RNN）的动力学在拓扑上是相同的，这表明使用了类似的计算策略。然而，在修改后的数据集上训练的RNN揭示了不同的拓扑结构。这种拓扑结构预测了特定的新刺激，这些刺激总是以近乎完美的准确性引起不正确的反应。因此，我们的方法产生了神经元活动的定量模型，并揭示了用于解决任务的计算策略。
2020-03-22 q-bio.NC
Neural population dynamics in songbird RA and HVC during learned motor-vocal behavior
本研究利用 Neuropixels 记录鸣禽 HVC 与 RA，揭示二者发声相关群体活动均处于低维流形，但 RA 与发声输出连续对应更稳定，潜在变量还支持跨新子群体泛化解码。
2024-07-08 q-bio.NC
Predicting synchronous firing of large neural populations from sequential recordings
神经科学的一个主要目标是了解神经元群体如何编码刺激或动作。虽然可以同时记录的神经元数量正在快速增加，但在大多数情况下，这些记录无法访问完整的群体。特别是，很难同时记录给定区域中相同类型的所有神经元。由于遗传和生理学工具，最近的进展使得在给定区域中对每个记录的神经元进行分析成为可能，并将来自不同实验阶段的相同类型神经元的记录汇集在一起。然而，目前还不清楚如何从这些连续记录中推断出相同类型的完整神经元群体的活动。神经网络表现出集体行为，例如噪声相关性和同步活动，这些行为不能被条件独立的模型直接捕获，条件独立的模型只会将来自顺序记录的脉冲序列放在一起。在这里，我们表明，我们可以推断出一个完整的人口的视网膜神经节细胞的连续记录的活动，使用一种新的方法的基础上copula分布和最大熵建模。从每个神经节细胞对重复刺激的尖峰反应，以及一些成对的记录，我们可以使用copula预测噪声相关性，然后使用最大熵建模来预测大量相同类型神经节细胞的全部活动。值得注意的是，我们可以概括地预测群体对不同刺激甚至不同实验的反应。因此，我们可以使用我们的方法来构建一个非常大的群体，合并来自不同实验的细胞反应。我们准确地预测了同步活动，并显示它随着神经元数量的增加而大幅增长。这种方法是一种很有前途的方式来推断人口活动的连续记录在感觉区。
2019-04-09 cond-mat.dis-nn q-bio.NC
Identifying interactions across brain areas while accounting for individual-neuron dynamics with a Transformer-based variational autoencoder
提出GLM-Transformer混合模型，结合深度潜变量与广义线性模型，在去除背景波动干扰的同时识别跨脑区定向耦合，并在合成及真实数据上验证了其有效性。
2025-10-24 q-bio.NC
The Principle of Isomorphism: A Theory of Population Activity in Grid Cells and Beyond
School of Systems Science, Beijing Normal University（北京师范大学系统科学学院）；Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院）；School of Psychology, Shanghai Jiao Tong University（上海交通大学心理学院）；Chinese Institute for Brain Research, Beijing（北京脑科学与类脑研究中心）；School of Physics and Astronomy, Shanghai Jiao Tong University（上海交通大学物理与天文学院）
提出同构原理（PIso），认为神经流形的拓扑受计算任务的数学结构约束，并应用于网格细胞系统，证明任务需求收敛于环面拓扑，且六边形网格场仅出现在中间几何区域。
2026-06-23 q-bio.NC
BaRISTA: Brain Scale Informed Spatiotemporal Representation of Human Intracranial Neural Activity
University of Southern California（南加州大学）
BaRISTA提出了一种多区域神经活动时空变换器模型及自监督任务，通过调整空间尺度提升下游解码性能。
2025-12-13 cs.AI cs.LG q-bio.NC
Nonlinear demixed component analysis for neural population data as a low-rank kernel regression problem
许多行为动物神经活动的研究旨在发现大规模神经元群体记录中可解释的低维结构。解决这个问题的一种方法是去混合主成分分析（dPCA），这是一种监督线性降维技术，可以找到依赖于特定实验参数的成分。在这里，我介绍核dPCA（kdPCA）作为一个非线性扩展的dPCA应用核最小二乘回归的去混合问题。我认为模拟的例子，神经元群体与低维活动，比较从dPCA和kdPCA恢复的组件。这些模拟表明，神经相关的非线性，如刺激依赖的增益和旋转，干扰线性分层的神经活动的组件，代表个别的实验参数。然而，在这些示例中，kdPCA仍然可以恢复可解释的组件。最后，我证明kdPCA使用两个例子的神经元群体记录在知觉决策任务。
2019-12-09 q-bio.NC
Modeling Retinal Ganglion Cell Population Activity with Restricted Boltzmann Machines
Istituto Italiano di Tecnologia（意大利理工学院）
视网膜是一个复杂的神经系统，它在视觉皮层进行高阶处理之前对视觉刺激进行编码。在这项研究中，我们评估了有关视网膜接收到的刺激的信息是否可以从视网膜神经节细胞（RGC）的放电率分布中检索，利用高密度64x64 MEA技术。为此，我们使用平均协方差限制玻尔兹曼机（英语：Restricted Boltzmann Machines），能够学习一组连续观测随机变量和一组二进制未观测随机单位的联合分布的潜变量模型，来模拟研究资助局的人口活动。这个想法是为了弄清楚二进制潜在状态是否将与不同视觉刺激相关的信息编码为联合分布中的模式。我们通过计算潜在状态和刺激之间的互信息来衡量mcRBM编码的优劣。结果表明，二进制状态可以编码与不同的刺激，使用光栅和自然场景的刺激。我们还发现，隐变量编码视网膜活动的有趣特性，解释为人口感受野。我们进一步研究了该模型学习不同模式的群体活动的能力，通过比较与正常条件下的视网膜相关的结果和在阻断GABA受体（首先是GABAC，然后是GABAA和GABAB）后的结果。正如预期的那样，如果我们阻断受体，互信息往往会减少。最后，我们强调，在这项工作中描述的计算方法可以潜在地应用于任何类型的神经数据通过MEA技术，虽然不同的技术应适用于解释的结果。
2017-01-17 cs.CV q-bio.NC
Noninvasive precision modulation of high-level neural population activity via natural vision perturbations
McGovern Institute for Brain Research, Dept. of Brain and Cognitive Sciences, Massachusetts Institute of Technology（麦戈文脑科学研究所，脑科学与认知科学系，麻省理工学院）；Center for Brains, Minds, and Machines, MIT（脑、心智与机器中心，麻省理工学院）；MIT Quest for Intelligence（麻省理工学院智能探索计划）
本研究针对神经活动精准调控依赖侵入式技术的难题，提出通过自然视觉扰动无创调控灵长类高级腹侧视觉通路神经活动的方法，经猕猴IT神经群体实验验证效果与模型预测定量一致，可实现单神经元分辨率的无创神经干预。
2025-06-14 cs.CV cs.NE q-bio.NC
A Flexible Bayesian Clustering of Dynamic Subpopulations in Neural Spiking Activity
随着神经记录技术的进步，神经科学家现在能够同时记录数百个神经元的尖峰活动，需要新的统计方法来了解这种大规模神经元群体活动的结构。虽然以前的工作试图通过提取低维潜在因子来总结已知群体内和群体之间的神经活动，但在许多情况下，确定独特群体的因素可能尚不清楚。神经元在它们的解剖位置上不同，而且在它们的细胞类型和反应特性上也不同。为了识别与神经活动直接相关的种群，我们提出了一种基于混合动态泊松因子分析器（mixDPFA）模型的聚类方法，将聚类数和每个聚类的潜在因子维数作为未知参数。为了分析建议的mixDPFA模型，我们提出了一个马尔可夫链蒙特卡罗（MCMC）算法，有效地采样其后验分布。通过仿真实验验证了MCMC算法的有效性，该算法能够准确地恢复模型中的未知参数和真实聚类，并且对初始聚类分配不敏感。然后，我们将所提出的mixDPFA模型应用于多区域实验记录，在那里我们发现，所提出的方法可以根据它们的活动来识别新的，可靠的神经元簇，因此，可能是神经数据分析的有用工具。
2023-03-02 q-bio.NC stat.AP
Maximum-entropy and representative samples of neuronal activity: a dilemma
目前的工作表明，最大熵方法可以应用到一个样本的神经元记录沿着两个不同的路线：（1）适用于样本;或（2）适用于一个更大的，未采样的神经元群体的样本被抽取，然后边缘化的样本。这两条路线给出了不等价的结果。第二条路线可以进一步推广到更大人口的规模未知的情况。应该选择哪条路线？一些论点是赞成第二个。这项工作还提出并讨论了概率公式，有关国家的知识人口和样本，这可能是有用的神经科学中的采样问题。
2020-10-19 q-bio.NC
Statistical physics of large-scale neural activity with loops
针对含环的大规模神经活动，提出可扩展的最大熵精确解，并在约1万神经元记录中证明其优于无环方法，揭示了跨刺激一致的潜在神经回路。
2024-12-24 physics.bio-ph q-bio.NC
BLEND: Behavior-guided Neural Population Dynamics Modeling via Privileged Knowledge Distillation
The Hong Kong University of Science and Technology（香港科技大学）；Beijing Institute of Collaborative Innovation（北京协同创新研究院）；Peking University（北京大学）；Beihang University（北京航空航天大学）
BLEND框架通过将行为作为特权信息训练教师模型，再仅用神经活动蒸馏学生模型，以模型无关的方式在推理时无需行为输入即可提升神经动力学建模，在行为解码和神经元身份预测上分别取得超过50%和15%的提升。
2025-02-06 cs.LG cs.NE q-bio.NC
Time-dependent maximum entropy model for populations of retinal ganglion cells
逆伊辛模型在计算神经科学中用于推断大型神经元群体同步活动的概率分布。该方法允许找到具有单神经元偏置和成对相互作用的玻尔兹曼分布，其最大化熵并再现所记录的神经元活动的经验统计。在这里，我们将这种策略应用于大量不同类型的视网膜输出神经元（神经节细胞），这些神经元受到多种视觉刺激的刺激，并具有自己的统计数据。视网膜输出神经元的活动由上游神经元的输入和递归连接驱动。我们首先应用标准的逆伊辛模型的方法，并表明，它占系统的集体行为时，输入的视觉刺激具有短距离的空间相关性，但不为远程的。这是因为具有长距离空间相关性的刺激使长距离神经元的活动同步。这种效应不能用成对相互作用来解释，因此也不能用成对伊辛模型来解释。为了解决这个问题，我们应用先前提出的框架，其中包括在单个神经元的偏见时间依赖模型神经元是如何驱动的时间刺激。由于这一增加，刺激效应被考虑到的偏见，和成对的相互作用允许在人口活动中的网络效应的特征和再现的视网膜架构中的经常性功能连接的结构。我们发现，视网膜结构分裂成弱相互作用的神经元组成的亚群。总的来说，这个时间框架修复了标准的，静态的，逆伊辛模型的问题，并占系统的集体行为，刺激与短期或长期的相关性。
2022-07-26 q-bio.NC
Approximate Inference for Time-varying Interactions and Macroscopic Dynamics of Neural Populations
统计物理学中的模型，如伊辛模型，为描述神经元群体的稳态活动提供了一种方便的方法。神经元的这种静止活动可以预期用于来自体外切片或麻醉动物的记录。然而，对清醒动物的皮层回路活动进行建模更具挑战性，因为尖峰速率和相互作用都可以根据感觉刺激、行为或大脑的内部状态而改变。以前的方法建模神经相互作用的动力学受到计算成本的影响;因此，它的应用仅限于十几个神经元。在这里，通过引入多个解析逼近方法的状态空间模型的神经元群体活动，我们可以估计动态的成对相互作用的多达60个神经元。更具体地说，我们应用的pseudolikestrium近似的状态空间模型，并结合Bethe或TAP平均场近似，使序贯贝叶斯估计的模型参数成为可能。大规模的分析使我们能够研究刺激处理和行为背后的神经回路的宏观特性的动力学。我们表明，该模型准确地估计动态的网络属性，如稀疏性，熵，和热容量的模拟数据，并通过分析猴子V4神经元的活动，以及模拟的平衡网络尖峰神经元演示这些措施的效用。
2017-05-04 cond-mat.dis-nn q-bio.NC
A tractable method for describing complex couplings between neurons and population rate
群体中的神经元是强相关的，但如何简单地捕捉这些相关性仍然是一个争论的问题。最近的研究表明，每个细胞的活性受到群体速率的影响，群体速率被定义为群体中所有神经元的总活性。然而，一个明确的，易于处理的模型，这些相互作用仍然缺乏。在这里，我们建立了一个概率模型的人口活动，重现每个细胞的发射率，人口率的分布，以及它们之间的线性耦合。这个模型是易于处理的，这意味着它的参数可以在标准计算机上在几秒钟内学习，即使是大人口记录。我们推断我们的模型为蝾螈视网膜中的160个神经元。在这个群体中，单细胞放电率以意想不到的方式依赖于群体速率。特别是，一些细胞有一个优选的群体率，在这个群体率下，它们最有可能发射。这些复杂的依赖关系不能用细胞和种群率之间的线性耦合来解释。我们设计了一个更通用、更易于处理的模型，可以完全解释这些非线性依赖关系。因此，我们提供了一种简单且计算上易于处理的方法来学习模型，该模型再现了每个神经元对种群速率的依赖性。
2016-06-28 cond-mat.dis-nn q-bio.NC
Dynamics of spontaneous activity in random networks with multiple neuron subtypes and synaptic noise
自发的皮质群体活动表现出多种振荡模式，这些模式在慢波睡眠或某些麻醉剂下通常显示同步，而在安静的清醒状态下保持异步。这些皮层状态和它们之间的转换背后的机制还没有完全理解。在这里，我们研究自发的群体活动模式的随机网络的尖峰混合类型的神经元模型的Izhikevich方程。神经元通过受到突触噪声影响的基于电导的突触耦合。我们将群体活动模式定位在由相对抑制性突触强度和突触噪声幅度所跨越的参数图上。在没有噪声的情况下，网络显示瞬态活动模式，振荡或在恒定的水平。噪声的作用是将瞬态模式转变为持续模式：对于弱噪声，所有活动模式都是独立于突触强度的异步非振荡模式;对于较强噪声，模式具有振荡和同步特性，这取决于相对抑制性突触强度。在该区域的参数空间中，抑制性突触强度超过兴奋性突触强度和适度的噪声幅度网络功能振荡和静态之间的间歇性开关与同步和异步皮质状态的特性类似，分别。我们解释这些振荡和静止模式相结合的现象学的全球性的描述网络状态与局部描述的个别神经元在其部分相空间。我们的研究结果指出了一个桥梁，从事件的分子尺度的突触到细胞尺度的个别神经元的集体规模的神经元群体。
2018-05-20 nlin.AO q-bio.NC
A formalism for the long-distance magnetic field generated by populations of neurons
大脑活动可以使用位于大脑一定距离处的磁场来测量，这种技术称为脑磁图（MEG）。这种磁场的起源是神经元活动中的离子电流。虽然这些过程在微观尺度上是众所周知的，但尚不清楚大量神经元如何产生磁场。在这里，我们试图使这样一个链接，推导出一个平均场理论的磁场产生的神经元群体。我们使用电流偶极子的概念来建立一个可以应用于神经元群体的理论。我们还评估了神经元电流源，如突触电流或动作电位电流的贡献。这个理论应该是有用的，以计算磁场位于距离神经元群体，如在脑磁图长距离。
2021-12-03 q-bio.NC
Duration-modulated neural population dynamics in humans during BMI controls
本文研究脑机接口控制中运动皮层神经群体动力学如何受运动持续时间影响，发现长持续时间运动通过持续外部输入有效暂停神经动力学，揭示了持续输入在运动控制中的关键作用。
2025-11-07 q-bio.NC
Response statistics dissect the contributions of different sources of variability to population activity in V1
反应变异性是神经反应的一个重要组成部分，它是解释高维群体记录的关键。反应变异性和协变性显示可预测的变化后，刺激和认知或行为状态的变化，提供了一个机会来测试神经变异模型的预测能力。尽管如此，对于使用哪种模型作为群体水平分析的组成部分，仍然没有达成一致意见，变异性模型往往被视为一个选择的主题。我们调查了两个竞争模型，双随机泊松（DSP）模型假设随机性在尖峰产生，和整流高斯（RG）模型，追溯到膜电位的变化，分析刺激依赖性调制的响应统计。使用一对神经元的模型，我们证明了这两个模型预测类似的单细胞统计。然而，DSP和RG模型对尖峰响应的联合统计数据的预测相互矛盾。为了测试模型对数据，我们建立了一个人口模型来模拟刺激变化相关的调制反应统计。我们使用单位记录从猴子的初级视觉皮层显示，虽然模型预测的方差是定性相似的实验数据，只有RG模型的预测是兼容的联合统计。这些结果表明，模型使用类泊松变异可能无法捕捉重要的属性的响应统计。我们认为，膜电位水平建模的随机性提供了一个有效的策略模型的相关性。
2016-05-28 q-bio.NC
Probing the relationship between linear dynamical systems and low-rank recurrent neural network models
大量的工作表明，神经元群体在行为过程中表现出低维动力学。然而，有各种不同的方法来建模低维神经元群体活动。一种方法涉及潜在的线性动力系统（LDS）模型，其中人口活动是由低维的潜在变量与线性动力学的投影。第二种方法涉及低秩递归神经网络（RNN），其中种群活动直接来自过去活动的低维投影。虽然这两种建模方法有很强的相似性，但它们出现在不同的环境中，并且往往具有不同的应用领域。在这里，我们研究潜在LDS模型和线性低秩RNN之间的精确关系。什么时候可以将一个模型类转换为另一个模型类，反之亦然？我们证明了潜在LDS模型只能在特定的极限情况下转换为RNN，这是由于潜在LDS模型的非马尔可夫特性。相反，我们证明了线性RNN可以映射到LDS模型上，其潜在维度至多是RNN秩的两倍。
2021-10-19 q-bio.NC
Impact of correlated neural activity on decision making performance
来自环境的刺激引导行为并告知决策，这些刺激被编码在神经元群体的放电率中。然而，群体中的每个神经元并不独立地发放：发放事件在细胞之间是相关的。这种明显的冗余在多大程度上影响了决策的准确性，以及优化决策所需的计算？我们探讨这些问题的两个说明性的模型之间的相关性细胞。每个模型在成对细胞水平上在统计学上是相同的，但在描述较大细胞组的同时活动的高阶统计量上不同。我们发现，存在的相关性可以减少一个理想的决策者所获得的性能或大或小的程度上，这取决于高阶相互作用的性质。此外，虽然这种最佳性能在某些情况下可以通过标准的积分定界操作获得，但在其他情况下，它需要对传入尖峰进行非线性计算。总的来说，我们的结论是，给定水平的成对相关性-即使仅限于相同的神经元群体-可能并不总是表明冗余，降低决策性能。
2012-07-21 q-bio.NC
Mapping low-dimensional dynamics to high-dimensional neural activity: A derivation of the ring model from the neural engineering framework
经验估计的神经元群体活动的维度往往远低于人口规模。在训练和设计的神经网络模型中也观察到类似的现象。这些实验和计算结果表明，映射低维动力学高维神经空间是一个共同的特点，皮层计算。尽管这种观察普遍存在，但对这种映射所产生的约束却知之甚少。在这里，我们考虑将低维动力学映射到高维神经活动的一个具体例子--神经工程框架。我们解析地解决了经典环模型的框架-一个神经网络编码的静态或动态的角度变量。我们的研究结果提供了一个完整的表征成功和失败的模式，这个模型。基于这个框架和其他框架之间的相似性，我们推测这些结果可以适用于更一般的场景。
2020-02-09 q-bio.NC
Control of the Correlation of Spontaneous Neuron Activity in Biological and Noise-activated CMOS Artificial Neural Microcircuits
有几个迹象表明，大脑不是基于单个不可靠的神经元组织的，而是基于微电路规模，提供用于创建复杂架构的乐高积木。在这样一个中间尺度上，微电路中的放电活动受集体效应的支配，集体效应是由引发自发放电的背景噪声、神经元之间相互连接的程度以及连接的拓扑结构所产生的。我们比较了粘附在工程支架上的小群体神经元的自发放电活动与生物学上合理的CMOS人工神经元群体的模拟，其自发活动由定制的背景噪声点燃。我们提供了一整套灵活和低功耗的硅块，包括神经元，兴奋性和抑制性突触，以及用于自发放电激活的白噪声和粉红噪声发生器。我们通过控制硅神经元之间的连接的种类和数量来实现生物神经元的放电活动的可比程度的相关性。神经元组之间的相关性，组织成一个由等效的中间神经元连接的四个不同群体的环，通过向连接添加多个突触比增加独立的点对点连接的数量更有效地触发。生物系统和人工系统之间的比较表明，相当数量的突触在粘附于工程支架的生物群体中也是活跃的。
2017-02-24 cs.NE q-bio.NC q-bio.QM
Subthreshold moment analysis of neuronal populations driven by synchronous synaptic inputs
本文用相关跳过程建模突触输入，结合排队论不动点方法对电导型神经元作广义矩分析，证明微弱非零同步性可解释阈下电压协方差与偏度。
2025-03-17 q-bio.NC
Systematic fluctuation expansion for neural network activity equations
种群速率或活动方程是神经网络建模的常用方法的基础。这些方程提供了给定某种连通性的网络内神经元的放电速率或活动的平均场动力学。这些方程的缺点是，它们只考虑了平均发射率，而忽略了高阶统计，如发射之间的相关性。最近提出了一种包含所有阶统计量的神经网络随机理论。我们描述了这个理论如何产生一个系统的扩展人口速率方程引入方程的相关性和适当的耦合项。近似的每个水平产生封闭方程，即它们仅取决于感兴趣的平均值和特定相关性，而没有用于这样做的{ \it ad hoc}标准。我们在一个例子中的所有到所有连接的网络，我们的系统的广义活动方程捕捉的现象错过了平均场率方程。
2009-05-15 q-bio.NC
Activity stabilization in a population model of working memory by sinusoidal and noisy inputs
根据工作记忆的机制理论，信息是通过皮层神经网络的持续放电活动而被保存的。然而，这种活动是如何与WM任务中观察到的振荡轮廓的变化仍然是一个悬而未决的问题。我们探讨了输入的伽玛波段振荡和噪声的联合影响的几个射击率模型的WM的动力学。所考虑的模型有一个亚稳态的活动制度，即他们表现出持久的瞬态刺激后放电率升高。我们从单个兴奋-抑制电路开始，并证明γ波段或噪声输入都可以稳定活动状态，从而支持WM保留。然后，我们考虑一个系统的两个电路与兴奋性相互耦合。我们发现，快速耦合允许更好的稳定，由共同的噪声相比，独立的噪声和更强的放大这种效果，由同相伽马输入相比，反相输入。最后，我们考虑一个多电路系统，由两个集群，每个集群包含一组电路接收一个共同的噪声输入和一组电路接收独立的噪声。每个集群都与自己的本地伽马发生器相关联，因此其所有电路都以相同的相位接收伽马波段输入。我们发现，伽马波段输入差分稳定的活动相比，“独立噪声”组的“共同噪声”组。如果集群间连接速度很快，则当伽马波段输入以相同相位而不是反相位传递到集群时，这种效应更加明显。假设共同噪声来自大规模分布式WM表示，我们的研究结果表明，本地伽马振荡可以稳定该表示的相应部分的活动，快速远程连接和同步伽马振荡的效果更强。
2021-04-19 q-bio.NC
Modeling of Self-sustained Neuron Population without External Stimulus
Middle East Technical University（中东理工大学）；Başkent University（巴肯特大学）
研究发现，具有突触可塑性和内在随机性的Hodgkin-Huxley神经元网络可在短暂刺激后维持自主活动，其特征为稀疏、不规则的放电模式。
2026-04-15 cs.NE q-bio.NC
A Computational Model of the Effects of Drug Addiction on Neural Population Dynamics
奖赏处理及其紊乱，如药物成瘾，涉及许多大脑区域的协调活动。先前的工作已经确定了许多行为，分子生物学和单个神经元的变化，整个中皮质边缘系统，反映和驱动成瘾行为。腹侧被盖区（VTA）的亚群编码正奖励预测误差，负奖励预测误差和奖励的大小。腹侧被盖区多巴胺能神经元的时相活动与享乐价值相关。背内侧前额叶皮层（dmPFC）中的紧张性活动可以编码抗抑郁状态。然而，人们对药物成瘾如何影响更大大脑区域的群体编码知之甚少。在这里，我们比较了与网络模式在天真，急性中毒和慢性成瘾状态的塑料吸引子网络的信息内容。我们发现，成瘾降低了网络存储和区分活动模式的能力。改变的多巴胺能紧张性改变了能量景观，并降低了与每个网络模式相关的熵。改变dmPFC活动产生类似于精神分裂症的计算模型的信噪比缺陷。我们的研究结果提供了一个概念框架，解释改变神经元群体动态的精神病理状态的基础上的信息论。他们还提出了一种观点，认为抑郁症的亚型是皮质和皮质下功能障碍的连续组合。这表明，患有抑郁症的精神病特征的患者将有更多的皮质比中脑边缘功能障碍。此外，我们的框架可以应用于其他精神疾病，因此可以帮助我们，在一般情况下，定量地了解精神疾病作为分布式大脑网络表征和处理信息的障碍。
2012-09-15 cs.SI q-bio.NC
Cross-population coupling of neural activity based on Gaussian process current source densities
由于局部场电位（LFP）来自不同空间位置的多个来源，因此它们不容易在试验到试验的基础上揭示神经群体之间的协调活动。然而，正如我们在这里所展示的，一旦不同的源信号被解耦，它们的试验间波动就变得更容易接近，跨种群相关性变得更加明显。为了解耦源，我们介绍了一个通用的框架估计电流源密度（CSD）。在该框架中，LFP的集合由通过生物物理正向模型添加到CSD的变换的噪声产生，而CSD被认为是具有快分量和慢分量的零均值、平稳、时空高斯过程和均值函数的总和，均值函数是跨空间分布的多个时变函数的总和，每个时变函数跨试验变化。我们推导出与我们分析的数据相关的生物物理正演模型。在仿真研究中，这种方法相比现有的CSD估计方法提高了源信号的识别。使用灵长类动物听觉皮层记录的数据，我们分析了稳态和任务诱发信号的试验到试验波动。我们发现两个探头之间的皮质层特定的相位耦合，并表明直接应用于LFPs的相同的分析没有恢复这些模式。我们还发现，任务诱发的CSD在特定的皮层深度的探针之间是相关的。使用小鼠视觉区Neuropixels探针的数据，我们再次发现了基于CSD的初级视觉区和外侧内侧区的深度特异性相位耦合的证据。
2021-11-08 q-bio.NC stat.AP stat.ME
Assessing the Information Content of Individual Spikes in Population-Level Models of Neural Spiking Activity
本文研究了在无聚类模型中单个尖峰的信息含量，通过比较尖峰排序与无尖峰模型的熵减少，发现低幅度尖峰在考虑先验信息时与高幅度尖峰信息相近。
2025-12-06 q-bio.NC q-bio.QM stat.ME
How (not) to assess the importance of correlations for the matching of spontaneous and evoked activity
Okun等人对“感觉皮层中的群体速率动力学和多神经元放电模式”的评论。Journal of Neuroscience 32（48）：17108-17119，2012以及我们对Okun等人（arXiv，2013）相应回复的回应。
2013-03-27 q-bio.NC stat.ME
Clique of functional hubs orchestrates population bursts in developmentally regulated neural networks
最近发现，单个神经元刺激可以影响未成熟和成年神经元回路中的网络动力学。在这里，我们报告了一种新的机制，它可以解释在神经元回路，在发展的早期阶段，一些特定的神经元在促进/阻止人口活动所发挥的特殊作用。为此，我们考虑一个标准的神经网络模型，短期突触可塑性，其人口活动的特点是突发行为。在神经元连接性和兴奋性的分布中添加发育启发的约束和相关性导致功能中枢神经元的出现，其刺激/删除对于网络活动至关重要。功能枢纽形成了一个集团，其中神经元的精确顺序激活对于点燃集体事件至关重要，而不需要任何特定的拓扑结构。阈上细胞的无监督时滞放电，与阈下神经元的协调放电有关，是协调的关键因素。
2014-09-05 cond-mat.dis-nn physics.bio-ph q-bio.NC
Exact minimax entropy models of large-scale neuronal activity
针对大规模神经元群体建模的欠采样瓶颈，提出树结构成对相关性下的精确可扩展极小极大熵模型，在小鼠海马体神经元数据中验证其能以极少相关性准确预测神经同步性，揭示兴奋性相互作用骨架的关键作用。
2023-12-18 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
