欢迎光临散文网 会员登陆 & 注册

[认知科学个人学术笔记3]

2023-09-29 07:54 作者:niconico大勝利  | 我要投稿

前言:本日记仅记录认知科学领域中个人认为部分有趣和重要的文章及个人见解,技术分享,以及一些学术界的轶事和新闻等。所涉及文章的摘要或部分文摘均为机翻。本学术日记仅供个人学习记录与随缘分享,不具有任何解释和科普责任,但欢迎在评论区提问或讨论,也接受私信(但不负责回答包你满意)。本专栏不求流量,与本人其他作品无关,随缘更新。

1.

  • Do all norepinephrine surges disrupt sleep? (2023)

  • 在最近的一项小鼠研究中,Kjaerby 等人。将去甲肾上腺素的激增解释为睡眠碎片化的唤醒。作为一群研究人类和啮齿动物睡眠的研究人员,我们警告不要认为所有与睡眠相关的去甲肾上腺素激增都表明觉醒。需要做更多的工作来区分以声音和碎片睡眠为特征的去甲肾上腺素能活动。

  • https://www.nature.com/articles/s41593-023-01313-8

  • Reply to: ‘Do all norepinephrine surges disrupt sleep?’ (2023)

  • 我们最近发表的研究结果表明,睡眠中去甲肾上腺素(NE)的次流振荡——由蓝斑的活动爆发驱动——是睡眠微结构的重要调节因子1。具体而言,NE振荡控制富含纺锤体的非快速眼动(NREM)睡眠段和微睡眠段之间的转换。

  • 在这封信中,Lüthi等人2质疑我们的解释,即在NREM睡眠期间NE增加与微体相联系。NE是一种强烈的促醒神经调节剂3,4,我们证明了NE振荡的上升阶段在睡眠期间促进微觉醒(图第1a段)。因果关系是通过光遗传学抑制和激活蓝斑来确认的。目前确定的微室的临床定义是高频带(>4)的短脑电图(EEG)去同步(EEG振幅降低) Hz,因此不包括delta振荡)5,6。重要的是,这个定义不包括肌电图(EMG)反应。我们在小鼠身上的观察表明,4–30 对于同时发生EMG事件的NE增加和没有EMG事件时的NE增加,Hz频率都是明显的(图第1a、b段)。在Matters Arising letter2中,声称我们对没有EMG的微体块的定义涉及缺乏系统的EEG变化,并且仅依赖于西格玛功率降低;然而,这是不对的。我们将定义建立在涉及θ、西格玛和β频带的广泛EEG去同步的既定标准的基础上(图第1a、b段)。此外,对于单独的西格玛带,去同步(功率降低)的程度比单独的主轴降低所能解释的要大。因此,我们有令人信服的证据表明,在没有EMG事件的情况下NE增加会诱发微区。我们知道,Lüthi等人提出的假设是,NE升高标志着NREM睡眠阶段更容易出现觉醒7,8,而我们的研究结果表明,在大多数情况下,觉醒已经发生。我们假设,有和没有EMG事件的微外壳具有类似的功能,即重置睡眠纺锤体的生成,并可能维持NREM睡眠,否则NREM睡眠将过渡到REM睡眠。

  • …………

  • https://www.nature.com/articles/s41593-023-01314-7

NE对记忆的直接贡献和分子级通路被淹没在睡眠相关争论中。进一步区分清醒和离线巩固中NE的记忆相关作用有助于进一步讨论。值得注意是原文使用了光遗传以调控因果关系。

2.

  • Cerebellar associative learning underlies skilled reach adaptation (2023)

  • 小脑被假设通过在线调整来改善运动。我们研究了如何使用鼠标触达范式生成这种预测控制,测试小脑是否使用触达内信息作为预测因子来调整触达运动学。我们首先在浦肯野细胞中发现了一种与到达速度成反比的群体水平反应,指出小脑皮层是连接运动预测因子和预期控制的潜在位点。接下来,我们展示了小鼠可以学会补偿由重复的、闭环的光遗传学刺激pontocerebellar苔藓纤维输入引起的可预测的到达扰动。神经和行为读数都显示出对位置锁定苔藓纤维扰动的适应,并在去除刺激时表现出后遗症。令人惊讶的是,位置随机刺激计划驱动了部分适应,但没有相反的后遗症。

  • https://www.nature.com/articles/s41593-023-01347-y#Sec1

将联想学习和运动适应学习联系起来。然而对联想学习复杂的行为成分讨论不足,尤其是时间。尽管作者将结果归结于联想学习下,但似乎这项研究主要在运动学习的框架下研究。未来单独研究小脑对经典和工具学习的贡献是有意义的。

3.

  • The human brain reactivates context-specific past information at event boundaries of naturalistic experiences (2023)

  • 尽管我们以连续的方式感知世界,但我们的经验被划分为离散的事件。然而,为了理解这些事件,必须将它们拼接成一个总体叙事——一个展开事件的模型。有人提出,当啮齿动物建立空间环境模型时,这种缝合过程发生在离线神经激活中。这里表明,在理解自然叙事的同时,人类会重新激活过去事件的神经表征。与离线回放类似,这些再激活发生在海马体和默认模式网络中,在那里,再激活对相关的过去事件是选择性的。然而,这些重新激活不是在长时间的离线期间发生的,而是在正在进行的叙事事件之间的边界处发生的。这些结果在两个数据集上复制,表明重激活是将时间上遥远的信息结合到对正在进行的经验的连贯理解中的候选机制。

  • https://www.nature.com/articles/s41593-023-01331-6#Sec7

将事件理论和重放联系起来。重要的是指出了重放和事件在信息整合和心理模型中的作用,这可能进一步丰富记忆相关机制在结构学习中的贡献。

4.

  • Reward expectations direct learning and drive operant matching in Drosophila (2023)

  • 觅食动物必须使用动态适应环境中不断变化的奖励可用性的决策策略。各种各样的动物都是通过按照每种选择的回报比例来分配它们的选择来做到这一点的,这是Hernstein的操作匹配定律。理论工作为这种普遍存在的行为提供了一个优雅的机制解释,因为操作匹配自动遵循行为相关神经回路中的简单突触可塑性规则。然而,过去没有任何工作将操作匹配映射到大脑的可塑性机制上,这使得该理论的生物学相关性尚不清楚。在这里,我们在果蝇身上发现了操作性匹配,并表明它需要在蘑菇体内发挥作用的突触可塑性,并包含对奖励的期望。我们首先开发了一种动态觅食范式,以衡量个体苍蝇在学习将气味线索与概率奖励联系起来时的选择。然后,我们建立了一个苍蝇蘑菇体的模型,用一系列生物学上现实的突触可塑性规则来解释每只苍蝇的顺序选择行为。正如过去的理论工作所预测的那样,我们发现突触可塑性规则可以通过结合刺激期望、奖励期望或两者来解释飞行匹配行为。然而,通过光遗传学绕过奖励期望的表示,我们废除了匹配行为,并表明可塑性规则必须专门包含奖励期望。总之,这些结果揭示了操作匹配的第一个突触水平机制,并为奖励期望信号在苍蝇大脑中的作用提供了令人信服的证据。

  • https://www.pnas.org/doi/10.1073/pnas.2221415120

匹配法则的生物可塑性机制,但采用一个介于经典和操作条件学习的嗅觉范式。使用光遗传刺激来代替实际奖励。所建立的模型进一步丰富了KC-MB回路的可塑性机制。

5.

  • Dopaminergic error signals retune to social feedback during courtship (2023)

  • 饥饿、口渴、孤独和野心决定了食物、水、社交和表现结果的回报价值1。多巴胺神经元对满足这些不同需求的奖励做出反应2,3,4,5,6,7,8,但尚不清楚行为和多巴胺信号是如何随着环境中新的机会而改变的。一种可能性是,不同驱动的多巴胺信号被路由到不同的多巴胺通路9,10。另一种可能性是,给定通路中的多巴胺信号被动态调整为当前优先级设置的奖励。在这里,我们使用电生理学和纤维光度法来测试多巴胺信号是如何与解渴、唱好歌和求偶有关的,因为雄性斑胸雀(喉带颈雀)有机会获取水分、评估歌曲表现或讨好雌性。单独时,在两个中三通路中观察到水奖励信号,但与歌唱相关的表现错误信号被传递到X区,这是一个专门用于歌唱的纹状体核。当向雌性求爱时,求水行为减少,多巴胺对水和歌曲表演结果的反应也减少。相反,X区的多巴胺信号是由与求偶歌曲同步的雌性叫声驱动的。因此,多巴胺系统通过将声音表现和社会反馈信号路由到纹状体区域进行交流,并通过灵活地重新调整优先级驱动设置的奖励,来处理共存的驱动。

  • https://www.nature.com/articles/s41586-023-06580-w?WT.ec_id=NATURE-202309&sap-outbound-id=A13C48197BC80F7C898DE2A54403FB34882BBCEE#Sec2

奖励优先级在RL中的变化。将动机和RL再次联系起来,尽管这不是本文的目的,有点浪费RPE相关分析。总之,一篇文章贡献了四个主题,RL,动机,奖励与RPE,社会行为。

6.

  • Neuronal branching is increasingly asymmetric near synapses, potentially enabling plasticity while minimizing energy dissipation and conduction time (2023)

  • 神经元的主要功能是在大脑和身体中编码和传递信息。轴突和树突的分支结构必须在遵守其所处基质的规则的同时进行计算、响应和决策。因此,描述和理解支配这些分支模式的原则是很重要的。在这里,我们提出了证据,证明不对称分支是理解神经元功能特性的关键因素。首先,我们推导了不对称标度指数的新预测,该指数封装了与传导时间、功率最小化和材料成本等关键原理相关的分支结构。我们将我们的预测与从图像中提取的大量数据进行比较,以将特定原理与特定的生物物理功能和细胞类型联系起来。值得注意的是,我们发现不对称分支模型导致的预测和经验发现对应于从体细胞到突触的最大、最小或总路径长度重要性的不同权重。这些不同的路径长度在数量和质量上影响能量、时间和材料。此外,我们通常观察到,更高程度的不对称分支——可能由外部环境线索和对活动的突触可塑性引起——发生在比胞体(细胞体)更靠近尖端的地方

  • https://royalsocietypublishing.org/doi/10.1098/rsif.2023.0265

对称性是生物体被忽视的物理和表观属性。这项微观研究将能补充并启发有关大脑宏观对称性的研究。

7.

  • Practical advice on variable selection and reporting using Akaike information criterion (2023)

  • 围绕模型选择范式的各种辩论很重要,但显然,至少在统计和模型选择工具的最终用户中,需要更深入地了解现有方法,而不是达成共识。在生态学文献中,Akaike信息准则(AIC)主导着模型选择实践,虽然它是一个相对简单的概念,但我们认为在其应用方面存在一些常见的误解。在解释和报告AIC模型表时,同事和学生们经常会出现两个令人惊讶的具体问题。第一个与“假装”变量的问题有关,特别是对这意味着什么的理解混乱。第二个与p值有关,以及在使用AIC时什么构成统计支持。有大量的技术文献描述AIC以及p值与AIC差异之间的关系。在这里,我们补充了这种技术处理,并使用模拟来围绕这些重要概念发展一些直觉。这样做的目的是在使用、解释和报告使用AIC时选择的模型时促进更好的统计实践。

  • https://royalsocietypublishing.org/doi/10.1098/rspb.2023.1261

心理学似乎几乎没人使用AIC推断框架,以前从未考虑过这个问题。需要了解贝叶斯和aic的优劣。

8.

  • Using temperature to analyze the neural basis of a time-based decision (2023)

  • 基底神经节被认为有助于决策和运动控制。这些功能严重依赖于时序信息,这些信息可以从主要输入结构纹状体中神经群体的进化状态中提取。然而,纹状体活动是否是潜在的、动态的决策过程或显性运动的运动学的基础,仍存在争议。在这里,我们测量了温度对纹状体群体活动和大鼠行为的影响,并将观察到的影响与在多个版本的时间分类任务中收集的神经活动和行为进行了比较。冷却导致神经活动和时间判断模式的扩张和变暖收缩,模仿纹状体活动中与决策相关的内源性变异。然而,温度并没有类似地影响运动运动学。这些数据提供了令人信服的证据,证明纹状体活动进化的时间进程决定了一个潜在过程的速度,该过程用于指导选择,而不是持续的运动控制。更广泛地说,他们将人口活动的时间尺度确定为时间行为可变性的可能神经基础。

  • https://www.nature.com/articles/s41593-023-01378-5#Abs1

新颖地通过温度来操纵神经活动(以研究时间认知的神经基础),尽管初始想法早在两年前就提出,但似乎这种方法并没有得到足够的重视。有趣的是,本文的纹状体表现出和先前研究相矛盾的结果。

9.

  • Associative Transformer Is A Sparse Representation Learner (2023)

  • 从传统Transformer模型中单一的成对注意机制中脱颖而出,人们对利用更符合生物学原理的稀疏相互作用越来越感兴趣。包括Set Transformer和Perceiver在内的方法采用了与潜在空间合并的交叉注意力,该潜在空间形成了容量有限的注意力瓶颈。基于最近对全局工作空间理论和联想记忆的神经科学研究,我们提出了联想变换器(AiT)。AiT诱导低秩显式记忆,它既是引导共享工作空间中瓶颈注意力的先验,又是Hopfield网络的联想记忆中的吸引子。通过联合的端到端训练,这些先验自然地发展出模块专业化,每个先验都有不同的归纳偏见,形成注意力瓶颈。瓶颈可能会促进将信息写入存储器的输入之间的竞争。我们证明了AiT是一个稀疏表示学习器,通过复杂度对输入量和维度不变的瓶颈来学习不同的先验。AiT在各种视觉任务中展示了其优于Set Transformer、Vision Transformer和Coordination等方法的优势。

  • https://arxiv.org/abs/2309.12862

少见的基于transformer的类脑模型,结合联想记忆和注意力

10.

  • Retraction watch:人类学团体取消了关于为什么生物性别对于研究“必要”的会议小组

  • https://retractionwatch.com/2023/09/27/anthropology-groups-cancel-conference-panel-on-why-biological-sex-is-necessary-for-research/#more-127933

底下的评论点出了精髓:“甚至研讨会的标题……别再试图让这个问题变得有趣了。火车和轮船不同这一事实并不有趣。这只是每个人都知道的事实,你也可以证明它是合理的。您可以从技术角度了解它们的不同之处,但最终每个人都知道。

一旦你允许它成为一场辩论,它就结束了,因为这个问题太简单了。当你试图辩论如此基本的事情时,它不可避免地会变成无稽之谈,因为没有可分割的部分。就像有染色体一样,它使人成为 A 或 B,然后导致文化以某种方式发展。没有什么可以解析或不同意的。它很简单并且可观察到是无可辩驳的。”


[认知科学个人学术笔记3]的评论 (共 条)

分享到微博请遵守国家法律