NeuroMASS v4 让曲率从脉冲数据里自己学出来:运动皮层接近正曲率,额叶计时回路接近零
核心概要
NeuroMASS v4 把双曲潜空间的曲率做成可学习参数,直接以细胞外脉冲记录端到端训练,用于神经群体脉冲共平滑。此前 GPFA、LFADS、NDT 等潜变量模型都把群体活动嵌在欧氏空间里,无法低失真表示环形流形。在 NLB'21 四个猕猴皮层数据集上,学到的曲率在运动皮层 MC_Maze 为 0.84±0.11、MC_RTT 为 0.71±0.14,在额叶 DMFC_RSG 为 0.07±0.04 且不显著大于零。
深度剖析
神经群体解码模型第一次把潜空间的弯曲程度当作可训练参数,让数据自己决定群体活动该放在多弯的空间里。 此前的神经潜变量模型 GPFA、LFADS、AutoLFADS、NDT、PopT 一律使用欧氏潜空间,对环形流形必然带来嵌入失真。 在 MC_Maze 标准集验证划分上,NeuroMASS v4 的 co-bps 为 0.421±0.011,高于去掉几何投影的 NeuroMASS-Euclid 的 0.381±0.014,也高于 LFADS 的 0.347±0.021 和 NDT 的 0.301±0.018。
模型先把每个时间点的脉冲计数和神经元身份变成向量,再沿时间用对角状态空间层处理,最后经指数映射投进庞加莱球。 对角状态空间模型 S4D 用一组复模态递推地压缩长序列,这里把它的振荡频率按 2 到 200 Hz 的对数均匀先验初始化,覆盖 theta、beta、gamma 波段。 在 MC_Maze 小型集上的消融中,把频率先验换成随机初始化后 co-bps 从 0.421 降到 0.397,去掉掩码自预测则降到 0.362。
学到的曲率随脑区呈现单调排序,运动皮层最高、额叶计时回路接近零。 DMFC_RSG 的神经元以斜坡方式编码流逝时间,拓扑上是一条线而非环,因此预期曲率接近零。 五个随机种子下,MC_Maze 曲率 0.84±0.11(t=11.3,p<10⁻⁵),MC_RTT 0.71±0.14(t=7.6,p<10⁻⁴),Area2_Bump 0.33±0.09(t=5.1,p<0.001),DMFC_RSG 0.07±0.04(t=1.75,p=0.12)。
启示与展望
演示范围限于 NLB'21 四个猕猴皮层数据集(MC_Maze、MC_RTT、Area2_Bump、DMFC_RSG)的验证划分,全部为真实 DANDI 记录,未做合成数据替代;作者提出下一步在 mc_maze_large 上运行并提交 NLB 官方测试划分评测。
单一标量曲率假设各向同性,而真实流形可能是混合曲率;FFT 卷积的内存随序列长度以 O(T logT) 增长,限制 T 超过约 10000 个时间 bin 的连续记录;NLB'21 缺少配对的多受试者记录,跨受试者迁移未评估;所有结果来自非人灵长类,作者强调在人类 ECoG 与 Neuropixels 记录上验证之前不应作任何临床解读。
