脑机接口 / BCI

Neural Langevin Machine: a local asymmetric learning rule can be creative

神经朗之万机：一种局部非对称学习规则可以具有创造性

Zhendong Yu, Weizhong Huang, Haiping Huang

机构 * PMI Lab, School of Physics, Sun Yat-sen University（物理系，中山大学，PMI实验室） ； Guangdong Provincial Key Laboratory of Magnetoelectric Physics and Devices, Sun Yat-sen University（磁电物理与器件广东省重点实验室，中山大学） 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出神经朗之万机，利用递归神经网络的固定点通过非对称、速率调整的局部学习规则进行生成学习，并揭示了非平衡生成过程及记忆到泛化的转变。

Comments 7 pages, 5 figures, with Github link in the paper, supplemental material available upon request

Mapping Whisper Representations to Human ECoG Responses with Interpretable Time-Resolved Neural Encoding

将Whisper表示映射到人类ECoG响应：可解释的时间分辨神经编码

Matteo Ciferri, Tommaso Boccato, Michal Olak, Matteo Ferrante, Nicola Toschi

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.HC

AI总结 通过时间分辨神经编码器结合语音嵌入与循环时间模型及软注意力，研究Whisper内部表示如何预测颅内ECoG响应，发现中间层与神经活动对应最强，且高分辨率ECoG受益于时间结构化建模。

Comments Presented at ICLR 2026 Workshop on Representational Alignment (Re-Align)

How does longer temporal context enhance multimodal narrative video processing in the brain?

更长的时间上下文如何增强大脑对多模态叙事视频的处理？

Prachi Jindal, Anant Khandelwal, Manish Gupta, Bapi S. Raju, Subba Reddy Oota, Tanmoy Chakraborty

机构 * Technische Universität Berlin（柏林技术大学） ； Microsoft Research（微软研究院） ； IIT Delhi（德里理工学院） ； Microsoft（微软） ； IIIT-Hyderabad（海得拉巴理工学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本研究探讨了视频片段时长和叙事任务提示如何影响自然电影观看过程中大脑模型对多模态大语言模型（MLLMs）的对齐情况，发现增加片段持续时间显著提高了大脑对齐程度，而单模态视频模型则无明显提升。

Comments 22 pages, 15 figures

Mechanistically Interpretable Neural Encoding Reveals Fine-Grained Functional Selectivity in Human Visual Cortex

可解释的神经编码机制揭示人类视觉皮层的精细功能选择性

Idan Daniel Grosbard, Mor Geva, Galit Yovel

机构 * Sagol School of Neuroscience（萨戈尔神经科学学院） ； Blavatnik School of Computer Science and AI（布拉瓦提克计算机科学与人工智能学院） ； School of Psychological Sciences（心理学科学学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出MINE框架，通过机制可解释工具揭示自然图像中驱动皮层 voxel 活动的特征，验证了特征对 voxel 响应的因果影响，并揭示了视觉皮层中精细的功能选择性。

Comments 40 pages, 28 figures

Implicit Behavioral Decoding from Next-Step Spike Forecasts at Population Scale

从群体尺度上的下一步尖峰预测隐式行为解码

John R. Minnick, Jesus Gonzalez-Ferrer, Kamran Hussain, Jinghui Geng, Ash Robbins, Mohammed A. Mostajo-Radji, David Haussler, Jason Eshraghian, Mircea Teodorescu

机构 * Department of Electrical and Computer Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校电气与计算机工程系） ； UC Santa Cruz Genomics Institute, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校基因组研究所） ； Department of Biomolecular Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校生物分子工程系） ； Department of Applied Mathematics, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校应用数学系） ； Department of Computer Science and Engineering, University of California, Santa Cruz, CA, USA（加州大学圣克ruz分校计算机科学与工程系） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出利用单个Mamba预测器在一次前向传递中实现神经群体活动预测和动物行为状态解码，通过轻量级线性头在匹配时间上下文中优于原始尖峰计数解码，验证了在Steinmetz视觉辨别基准上的有效性。

Comments 21 pages, 6 figures, 5 tables; submitted to NeurIPS 2026 Neuroscience & Cognitive Science Track

FLUX: Geometry-Aware Longitudinal Flow Matching with Mixture of Experts

FLUX：基于混合专家的几何感知纵向流匹配

Josue Ortega Caro, Yongxu Zhang, Hannah M Batchelor, Sizhuang He, Jessica Cardin, Shreya Saxena

机构 * Yale University（耶鲁大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 FLUX通过几何感知的纵向流匹配框架，结合混合专家方法，解决无配对纵向数据中的轨迹建模与隐式状态发现问题。

Quasi-Linear ICA for Motor Unit Decomposition during Dynamic Contractions

用于动态收缩期间电机单位分解的准线性ICA

Alexander Kenneth Clarke, Dimitrios Halatsis, Agnese Grison, Irene Mendez Guerra, Noura Ezaz-Nikpay, Pranav Mamidanna, Shihan Ma, Silvia Muceli, Dario Farina

机构 * Imperial College London（帝国理工学院伦敦分校） ； Chalmers University of Technology（查尔姆斯理工大学） 纠错

专题命中 神经信号处理 ：neural interface(abstract)；分类 cs.LG、cs.HC

AI总结 本文提出一种准线性ICA方法，通过引入时间变化的可逆变换和静态线性分离器，有效处理动态EMG信号中的非平稳混叠问题，提升电机单位分解的准确性。

Cortex-Inspired Continual Learning: Unsupervised Instantiation and Recovery of Functional Task Networks

受皮层启发的持续学习：无监督的功能任务网络的实例化与恢复

Kevin McKee, Thomas Hazy, Yicong Zheng, Zacharie Bugaud, Thomas Miconi

机构 * Astera Institute（Astera研究院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出功能任务网络（FTN），通过模仿大脑皮层的结构和动力学特征，实现持续学习中任务的无监督分割与恢复，通过三阶段流程在单次梯度步中恢复已训练任务的子网络，有效减少灾难性遗忘。

Comments 16 pages, 15 figures

Probabilistic Prediction of Neural Dynamics via Autoregressive Flow Matching

通过自回归流匹配进行神经动态的概率预测

Nicole Rogalla, Yuzhen Qin, Mario Senden, Ahmed El-Gazzar, Marcel van Gerven

机构 * Department of Machine Learning and Neural Computing, Donders Institute for Brain, Cognition and Behaviour, Radboud University, Nijmegen, the Netherlands（荷兰奈梅亨拉德堡德大学唐德斯脑、认知与行为研究所机器学习和神经计算系） ； Department of Cognitive Neuroscience, Maastricht University, Maastricht, the Netherlands（荷兰马斯特里赫特大学认知神经科学系） ； Maastricht Brain Imaging Center, Maastricht University, Maastricht, the Netherlands（荷兰马斯特里赫特大学马斯特里赫特脑成像中心） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出基于自回归流匹配的生成预测框架，用于建模神经动态，通过多模态感觉输入预测短期血氧水平依赖(BOLD)活动，展示出改进的泛化能力和广泛皮层预测性能。

Comments 25 pages, 4 figures

Spike-based alignment learning solves the weight transport problem

基于尖峰的对齐学习解决权重传输问题

Timo Gierlich, Andreas Baumbach, Akos F. Kungl, Kevin Max, Mihai A. Petrovici

机构 * Department of Physiology, Bern University（伯尔尼大学生理学系） ； Neural Computation Unit, Okinawa Institute of Science and Technology（冲绳科学技术大学院大学神经计算单元） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出基于尖峰的对齐学习方法，利用尖峰时间统计消除有效互惠连接间的不对称性，提升spiking网络在权重传输问题中的性能。

Comments 28 pages, 15 figures. Updated with a comparison to the STDWI algorithm

SaiVLA-0: Cerebrum--Pons--Cerebellum Tripartite Architecture for Compute-Aware Vision-Language-Action

SaiVLA-0：基于大脑-脑桥-小脑三元架构的计算感知视觉-语言-动作

Xiang Shi, Wenlong Huang, Menglin Zou, Xinhai Sun

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG、cs.RO

AI总结 SaiVLA-0提出基于大脑-脑桥-小脑三元架构的计算感知视觉-语言-动作系统，通过模块化设计提升效率与稳定性，初步实验显示训练时间减少且成功率显著提升。

Comments 14 pages, 3 figures

CytoNet: A Foundation Model for the Human Cerebral Cortex at Cellular Resolution

CytoNet：人类大脑皮层细胞分辨率的基础模型

Christian Schiffer, Zeynep Boztoprak, Jan-Oliver Kropp, Julia Thönnißen, Katia Berr, Hannah Spitzer, Katrin Amunts, Timo Dickscheid

机构 * Institute of Neuroscience and Medicine (INM-1), Research Centre Jülich（神经科学与医学研究所（INM-1），贾格尔研究中心） ； Helmholtz AI, Research Centre Jülich（海德堡人工智能，贾格尔研究中心） ； Institute for Brain Research, University Hospital Düsseldorf（脑研究所在杜塞尔多夫大学医院） ； Institute of Computational Biology, Computational Health Center, Helmholtz Munich（计算生物学研究所，计算健康中心，海德堡慕尼黑） ； Institute for Stroke and Dementia Research (ISD), LMU University Hospital, LMU Munich（中风与痴呆研究所以（ISD），慕尼黑大学医院，慕尼黑大学） ； Computer Vision, Institute for Computational Visualistics, University of Koblenz（计算机视觉，计算视觉研究所，科布伦兹大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 CytoNet通过训练100万张显微图像片段，建立了人类大脑皮层细胞分辨率的基础模型，用于分析微架构并链接细胞结构与功能组织。

Comments 42 pages, 10 figures, 7 tables. Extended version with functional decoding

Dynamic Manifold Hopfield Networks for Context-Dependent Associative Memory

动态流形霍普菲尔德网络用于情境依赖的联想记忆

Chong Li, Taiping Zeng, Xiangyang Xue, Jianfeng Feng

机构 * Fudan University（复旦大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 动态流形霍普菲尔德网络通过数据驱动学习实现情境依赖的联想记忆，显著提升存储容量和检索鲁棒性。

TAVAE: A VAE with Adaptable Priors Explains Contextual Modulation in the Visual Cortex

TAVAE：具有可调节先验的VAE解释视觉皮层中的情境调节

Balázs Meszéna, Keith T. Murray, Julien Corbo, O. Batuhan Erkat, Márton A. Hajnal, Pierre-Olivier Polack, Gergő Orbán

机构 * Department of Computational Sciences（计算科学系） ； HUN-REN Wigner Research Centre for Physics（霍恩-伦维格物理研究中心） ； Princeton Neuroscience Institute（普林斯顿神经科学研究所） ； Princeton University（普林斯顿大学） ； Center for Molecular and Behavioral Neuroscience（分子与行为神经科学中心） ； Rutgers University（罗格斯大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 TAVAE通过任务优化的生成模型解释视觉皮层中情境调节的机制，展示了任务特定先验的学习与应用。

Comments ICLR 2026

BrainSymphony: A parameter-efficient multimodal foundation model for brain dynamics with limited data

BrainSymphony: 一种参数高效、多模态的基础模型，用于在有限数据下的脑动态

Moein Khajehnejad, Forough Habibollahi, Devon Stoliker, Adeel Razi

机构 * Turner Institute for Brain and Mental Health（大脑与心理健康Turner研究所） ； School of Psychological Sciences, Monash University（墨尔本大学心理学科学学院） ； Cortical Labs（皮层实验室） ； CIFAR Azrieli Global Scholars Program（CIFAR阿兹里埃利全球学者计划） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 BrainSymphony是一种参数高效、多模态的基础模型，通过整合fMRI和扩散MRI数据，实现有限数据下的脑动态分析，优于更大模型并提升神经科学应用。

Comments 32 pages, 14 figures

Identifying Autism-Related Neurobiomarkers Using Hybrid Deep Learning Models

利用混合深度学习模型识别自闭症相关神经生物标志物

Ashley Chen

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出一种混合深度学习模型，利用结构MRI数据识别自闭症相关神经生物标志物，通过CNN提取特征并结合SVM进行分类，同时使用Grad-CAM可视化关键脑区。

Comments 23 pages, 10 figures, 1 table, 18 references

Developmental Symmetry-Loss: A Free-Energy Perspective on Brain-Inspired Invariance Learning

发育对称性丧失：从自由能视角看脑启发的不变性学习

Arif Dönmez

机构 * Arif Dönmez 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出对称性丧失算法，通过环境对称性约束实现不变性学习，结合自由能理论和群论，揭示了高效表示的生成机制。

Comments 6 pages; clarified group extension perspective; typos corrected; results unchanged. Comments welcome

Unsupervised learning of multiscale switching dynamical system models from multimodal neural data

从多模态神经数据中无监督学习多尺度切换动力学系统模型

DongKyu Kim, Han-Lin Hsieh, Maryam M. Shanechi

专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出了一种无监督学习方法，通过多尺度神经观测学习切换多尺度动力学系统模型，以更准确解码行为并提升脑机接口性能。

Comments 30 pages, 8 figures

A Convolutional Framework for Mapping Imagined Auditory MEG into Listened Brain Responses

基于卷积的将想象的听觉MEG映射到听觉脑响应的框架

Maryam Maghsoudi, Mohsen Rezaeizadeh, Shihab Shamma

机构 * Electrical and Computer Engineering Department, University of Maryland, College Park, MD（大学电气与计算机工程系，马里兰州大学，College Park） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 eess.SP、cs.LG

AI总结 本文提出了一种基于卷积的框架，将想象的听觉MEG信号映射到听觉脑响应，通过群体层面的编码器-解码器网络实现了稳定的泛化性能。

When Should Neural Data Inform Welfare? A Critical Framework for Policy Uses of Neuroeconomics

神经数据何时应影响福利？神经经济学在政策应用中的关键框架

Yiven, Zhu

专题命中 神经信号处理 ：neural signal(abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出神经经济学在政策应用中的关键框架，探讨神经数据如何合法影响福利判断，并推导出神经经济学福利推断检查表。

Comments Durham Economic Journal 2025

Meta-Learning an In-Context Transformer Model of Human Higher Visual Cortex

Muquan Yu, Mu Nan, Hossein Adeli, Jacob S. Prince, John A. Pyles, Leila Wehbe, Margaret M. Henderson, Michael J. Tarr, Andrew F. Luo

专题命中 神经信号处理 ：neural signal(abstract)；分类 q-bio.NC、cs.LG

Comments Accepted to NeurIPS 2025. Website: https://github.com/leomqyu/BraInCoRL

Association-sensory spatiotemporal hierarchy and functional gradient-regularised recurrent neural network with implications for schizophrenia

Subati Abulikemu, Puria Radmard, Michail Mamalakis, John Suckling

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

Comments 34 pages, 9 figures

Multimodal Recurrent Ensembles for Predicting Brain Responses to Naturalistic Movies (Algonauts 2025)

Semih Eren, Deniz Kucukahmetler, Nico Scherf

机构 * Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； TU Dresden（德累斯顿技术大学） ； School for Embedded and Composite AI (SECAI)（嵌入式与复合人工智能学院） ； Center for Scalable Data Analytics & AI (ScaDS.AI)（可扩展数据与人工智能中心） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

Comments 8 pages, 2 figures, 1 table. Invited report, CCN 2025 Algonauts Project session (3rd-place team). Code: https://github.com/erensemih/Algonauts2025_ModalityRNN v3: Added equal contribution footnote to author list. Corrected reference list

Estimating Brain Activity with High Spatial and Temporal Resolution using a Naturalistic MEG-fMRI Encoding Model

Beige Jerry Jin, Leila Wehbe

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

BRAID: Input-Driven Nonlinear Dynamical Modeling of Neural-Behavioral Data

Parsa Vahidi, Omid G. Sani, Maryam M. Shanechi

机构 * Electrical and Computer Engineering, 2 Computer Science, 3 Biomedical Engineering（电气与计算机工程、计算机科学、生物医学工程） ； Viterbi School of Engineering, University of Southern California (USC)（维特比工程学院，南加州大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

Comments Published at the International Conference on Learning Representations (ICLR) 2025. Code is available at GitHub https://github.com/ShanechiLab/BRAID

Journal ref ICLR 2025

Sensory robustness through top-down feedback and neural stochasticity in recurrent vision models

Antonino Greco, Marco D'Alessandro, Karl J. Friston, Giovanni Pezzulo, Markus Siegel

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

The Generalist Brain Module: Module Repetition in Neural Networks in Light of the Minicolumn Hypothesis

Mia-Katrin Kvalsund, Mikkel Elle Lepperød

机构 * Department of Physics, University of Oslo（奥斯陆大学物理系） ； Department of Numerical Analysis and Scientific Computing, Simula Research Laboratory（Simula研究实验室数值分析与科学计算系） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

Continuous-Time Signal Decomposition: An Implicit Neural Generalization of PCA and ICA

Shayan K. Azmoodeh, Krishna Subramani, Paris Smaragdis

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 eess.SP、cs.LG

Comments 6 pages, 3 figures, 1 table. MLSP 2025

Communities in the Kuramoto Model: Dynamics and Detection via Path Signatures

Tâm Johan Nguyên, Darrick Lee, Bernadette Jana Stolz

机构 * Laboratory for Topology and Neuroscience（拓扑与神经科学实验室） ； School of Life Sciences（生命科学学院） ； Laboratory of Computational Neuroscience（计算神经科学实验室） ； School of Computer and Communication Sciences and School of Life Sciences（计算机与通信科学学院和生命科学学院） ； School of Mathematics and Maxwell Institute for Mathematical Sciences（数学学院和数学科学研究所） ； Department of Machine Learning and Systems Biology（机器学习与系统生物学部门） ； Max Planck Institute of Biochemistry（生物化学马克斯·普朗克研究所） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

Comments 56 pages, 21 figures

Thousand-Brains Systems: Sensorimotor Intelligence for Rapid, Robust Learning and Inference

Niels Leadholm, Viviane Clay, Scott Knudstrup, Hojae Lee, Jeff Hawkins

机构 * Thousand Brains Project（千脑项目） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG、cs.RO

Comments 32 pages, 8 figures