前言：本日記僅記錄認(rèn)知科學(xué)領(lǐng)域中個人認(rèn)為部分有趣和重要的文章及個人見解，技術(shù)分享，以及一些學(xué)術(shù)界的軼事和新聞等。所涉及文章的摘要或部分文摘均為機(jī)翻。本學(xué)術(shù)日記僅供個人學(xué)習(xí)記錄與隨緣分享，不具有任何解釋和科普責(zé)任，但歡迎在評論區(qū)提問或討論，也接受私信（但不負(fù)責(zé)回答包你滿意）。本專欄不求流量，與本人其他作品無關(guān)，隨緣更新。?

1.

• Social, self, (situational), and affective processes in medial prefrontal cortex (MPFC): Causal, multivariate, and reverse inference evidence (2019)

• MPFC被認(rèn)為具有多種社會、情感和認(rèn)知功能。這些結(jié)論在很大程度上是由前向推理分析（如GLM功能磁共振成像研究和薈萃分析）推動的，這些分析表明了特定領(lǐng)域的任務(wù)傾向于在哪里產(chǎn)生活動，但很少告訴我們這些區(qū)域的作用。在這里，我們對布羅德曼9-11區(qū)內(nèi)MPFC細(xì)分的功能采取了多方法、多領(lǐng)域的方法。我們考慮了四種方法，每種方法都具有反向推理或因果推理價值：病變工作、經(jīng)顱磁刺激、多變量模式分析和神經(jīng)合成分析。Neurosynth分析包括多項(xiàng)反向推理分析，這些分析同時比較幾個感興趣的領(lǐng)域。我們在五個領(lǐng)域考察了支持結(jié)構(gòu)-功能聯(lián)系的證據(jù)：社會認(rèn)知、自我、價值、情感體驗(yàn)和心理時間旅行。證據(jù)被考慮用于三個MPFC亞類中的每一個：背內(nèi)側(cè)前額葉皮層（DMPFC）、前內(nèi)側(cè)前額葉皮質(zhì)（AMPFC）和腹內(nèi)側(cè)前額葉大腦皮層（VMPFC）。盡管不同方法之間存在證據(jù)差異，但研究結(jié)果表明，社會過程在功能上與DMPFC相關(guān)（在VMPFC中有點(diǎn)令人驚訝），自我過程與AMPFC相關(guān)，情感過程與AMPFC和VMPFC相關(guān)。VMPFC還有一個相對非選擇性的區(qū)域，可以支持情景處理，這是每個領(lǐng)域的過程關(guān)鍵，但也獨(dú)立于每個領(lǐng)域。

• https://doi.org/10.1016/j.neubiorev.2018.12.021

方法范例。有效地提出了一套解決影像學(xué)中結(jié)構(gòu)功能因果推理困境的方法，亮點(diǎn)是對Neurosynth的處理。然而未能更多地涉及mPFC其他功能如EF決策和記憶。此外這種方法論能否推廣到整個PFC甚至FC？我始終對依據(jù)FC的解刨劃分來界定其功能范圍持懷疑態(tài)度，mPFC能做的事為何其他腦區(qū)不能做？

2.

• Microstates of the cortical brain-heart axis (2023)

• 腦電圖（EEG）微觀狀態(tài)是具有準(zhǔn)穩(wěn)定頭皮地形圖的大腦狀態(tài)。這種狀態(tài)是否延伸到身體水平，也就是外周自主神經(jīng)，仍然未知。我們假設(shè)微觀狀態(tài)作為中樞自主神經(jīng)網(wǎng)絡(luò)的一種功能狀態(tài)在腦心軸水平上延伸。因此，我們將EEG和心跳動力學(xué)系列相結(jié)合，以估計(jì)起源于皮層的定向信息傳遞，目標(biāo)是交感神經(jīng)-迷走神經(jīng)和副交感神經(jīng)活動振蕩，反之亦然，用于傳入功能方向。數(shù)據(jù)來自兩組參與者：36名健康志愿者受到心算引起的認(rèn)知工作量，26名參與者受到冷壓力測試引起的身體壓力。所有參與者在研究時都是健康的?；诮y(tǒng)計(jì)測試和擬合優(yōu)度評估，我們證明了功能性腦心軸的微觀狀態(tài)的存在，重點(diǎn)是大腦皮層，因?yàn)槲⒂^狀態(tài)源自EEG。這種神經(jīng)系統(tǒng)微觀狀態(tài)是時空準(zhǔn)穩(wěn)定狀態(tài)，專門指傳出的大腦到心臟的方向。我們展示了可能與特定實(shí)驗(yàn)條件相關(guān)的腦心微觀狀態(tài)，以及與任務(wù)非特異性的腦心微狀態(tài)。

• https://doi.org/10.1002/hbm.26480

擴(kuò)展了微狀態(tài)的范圍和功能，為心腦軸提供了一種神經(jīng)解釋，并拓展了具身認(rèn)知的神經(jīng)基礎(chǔ)。然而僅通過記錄ANS的電信號來界定心腦關(guān)系過于狹隘，缺乏更多生理指標(biāo)。

另附上微狀態(tài)發(fā)現(xiàn)人，EEG先驅(qū)Dietrich Lehmann在2014年的訃告（https://link.springer.com/article/10.1007/s10548-014-0390-6）：

我們遺憾地宣布，我們尊敬的同事、導(dǎo)師和朋友Dietrich Lehmann于 2014 年 6 月 16 日去世。他在 85 歲的人生中充滿了激情和決心，而這種激情和決心本可以延續(xù)到很多很多人身上。

迪特里?！とR曼 (Dietrich Lehmann) 是腦電圖繪制的先驅(qū)。 今天被精心稱為高密度腦電圖或電神經(jīng)成像，他在 40 多年前就已經(jīng)實(shí)施了。 他領(lǐng)先于他的時代數(shù)十年，并且很難說服專注于腦電圖波形分析的社區(qū)相信他所提出的觀點(diǎn)和方法，這些觀點(diǎn)和方法在 2014 年被證明是最先進(jìn)的思想。1969 年——45 年前 —他與 Derek Fender 一起在《腦電圖和臨床神經(jīng)生理學(xué)》雜志上發(fā)表了一份病例報(bào)告，其中偶極源分析應(yīng)用于一名分裂交叉患者的平均 48 通道視覺誘發(fā)電位。 兩年后，即 1971 年，他在同一期刊上發(fā)表了題為“人類自發(fā) α 腦電圖場的拓?fù)鋱D”的開創(chuàng)性論文，最終確立了“腦電圖拓?fù)鋱D”一詞，并為頭皮電場的創(chuàng)新空間分析鋪平了道路。

Dietrich Lehmann 于 1929 年 12 月 3 日出生于德國海德堡附近，在那里完成了醫(yī)學(xué)學(xué)業(yè)，并于 1957 年獲得醫(yī)學(xué)博士學(xué)位。在海德堡、慕尼黑、弗萊堡和馬賽的神經(jīng)病學(xué)實(shí)習(xí)結(jié)束后，他于 1963 年搬到了加利福尼亞州。 他最初在加州大學(xué)洛杉磯分校 (UCLA) 擔(dān)任研究員，后來到加州理工學(xué)院 (CalTech) 擔(dān)任高級研究員，最后成為加州大學(xué)視覺科學(xué)系副教授和代理系主任。 太平洋位于加利福尼亞州舊金山。 這一時期關(guān)于睡眠和夢游癥《自然》、視覺感知《科學(xué)》以及誘發(fā)和自發(fā)場地形圖《腦電圖和臨床神經(jīng)生理學(xué)》的論文不僅記錄了他的巨大影響和廣泛的興趣，而且還記錄了新興的焦點(diǎn) 他關(guān)于空間分析的腦電圖工作。 1971 年，他接受了蘇黎世大學(xué)醫(yī)院神經(jīng)內(nèi)科的任命，并于 1988 年成為臨床神經(jīng)生理學(xué)教授。他于 1997 年退休，但在此之前，他于 1995 年創(chuàng)立了 KEY 腦-心智研究所。 蘇黎世大學(xué)精神病學(xué)醫(yī)院的科學(xué)主任，直至去世。

除了不懈地致力于腦電圖的空間分析之外，迪特里希的科學(xué)興趣還集中在人腦自發(fā)神經(jīng)元活動的持續(xù)波動、它與白日夢的關(guān)系、它對感知的影響以及它對精神疾病的調(diào)節(jié)。 他發(fā)現(xiàn)自發(fā)腦電圖以及事件相關(guān)電位可以分為電場穩(wěn)定空間配置的連續(xù)片段。 他將這些部分命名為“功能微狀態(tài)”，比成像界發(fā)明“靜息狀態(tài)”和“任務(wù)狀態(tài)”術(shù)語早很多年。 他提出，這些空間靜止的微觀狀態(tài)可能是信息處理的基本組成部分，可能反映了意識的時間——“思想原子”。 許多研究已經(jīng)研究（并將繼續(xù)研究）這些微觀狀態(tài)及其在不同疾病中的改變的重要性。 迪特里希自己的工作證明了精神分裂癥以及睡眠、催眠和冥想過程中的微觀狀態(tài)調(diào)節(jié)，反映了意識狀態(tài)的改變，他發(fā)現(xiàn)這無窮無盡地令人著迷。 微觀狀態(tài)的功能意義仍然是一個熱門話題和深入研究的主題。

迪特里希·萊曼 (Dietrich Lehmann) 個性迷人，對知識和真理有著永不滿足且深遠(yuǎn)的渴望。 他會像爭論實(shí)驗(yàn)中受試者的正確位置一樣堅(jiān)持討論意識的生物學(xué)基礎(chǔ)理論的來龍去脈。 他孜孜不倦地為他所確信的正確的事情而奮斗，并挑戰(zhàn)那些在他看來提出的論點(diǎn)缺乏堅(jiān)實(shí)基礎(chǔ)的人，無論是在被認(rèn)為是真實(shí)的，還是在被認(rèn)為是先驗(yàn)不可能的方面， 經(jīng)常得到他敏銳的幽默和熟練的繪畫的支持。 與此同時，他對他認(rèn)為值得追求的假設(shè)表現(xiàn)出自由和非正統(tǒng)的態(tài)度，就像他癡迷于方法論的嚴(yán)謹(jǐn)性和對自己研究的深入理解一樣。 當(dāng)與迪特里希一起出版時，審稿人的評論通常遠(yuǎn)沒有迪特里希對完美的不懈追求那么具有挑戰(zhàn)性。

迪特里希不是一個喜歡閑聊的人，他也不喜歡膚淺的人。 對于大多數(shù)認(rèn)識他的人來說，他不僅是一位鼓舞人心的真正科學(xué)家，而且還是一位善良、謙虛、足智多謀、富有同情心的朋友或?qū)煛?多年來，他對了解自己記錄的大腦信號的渴望并沒有減弱。 相反，他對妻子兼長期科學(xué)合作者瑪莎·庫庫·萊曼說的最后一句話是：“現(xiàn)在還為時過早。 科學(xué)領(lǐng)域還有很多事情要做?！?/p>

我們謹(jǐn)向瑪莎及其女兒菲德拉和塔利亞、迪特里希的兒子馬可以及其他家人表示最深切的哀悼。 我們將永遠(yuǎn)珍藏迪特里?！とR曼 (Dietrich Lehmann)

3.

• A cortical circuit for audio-visual predictions (2022)

• 不同感覺模式的刺激之間的習(xí)得關(guān)聯(lián)可以塑造我們感知這些刺激的方式。然而，人們還不太清楚這些交互是如何中介的，或者它們發(fā)生在處理層次的哪個級別。在這里，我們描述了一種神經(jīng)機(jī)制，通過該機(jī)制，聽覺輸入可以通過小鼠聽覺和視覺皮層之間的直接相互作用來塑造行為相關(guān)刺激的視覺表示。我們發(fā)現(xiàn)，在行為相關(guān)的背景下，聽覺刺激和視覺刺激的關(guān)聯(lián)會導(dǎo)致初級視覺皮層（V1）視覺反應(yīng)的體驗(yàn)依賴性抑制。聽覺皮層軸突向V1提供聽覺和視網(wǎng)膜局部匹配的視覺輸入的混合物，這些軸突的光遺傳學(xué)刺激選擇性地抑制V1神經(jīng)元，這些神經(jīng)元在學(xué)習(xí)后而不是學(xué)習(xí)前對相關(guān)視覺刺激有反應(yīng)。我們的研究結(jié)果表明，跨模態(tài)關(guān)聯(lián)可以通過長程皮層連接進(jìn)行交流，并且隨著學(xué)習(xí)，這些跨模態(tài)連接的作用是抑制對可預(yù)測輸入的反應(yīng)。

• https://www.nature.com/articles/s41593-021-00974-7

多模態(tài)感知的細(xì)胞級研究，重要的是闡述了多模態(tài)感知的意義并將其和記憶聯(lián)系起來，這對靈活性為至關(guān)重要，直接結(jié)果是發(fā)現(xiàn)了一種聽覺對視覺的抑制效應(yīng)而不是被更多研究的多模態(tài)促進(jìn)。然而采用的強(qiáng)化聯(lián)想學(xué)習(xí)范式是否會帶對其神經(jīng)機(jī)制帶來其它或更多解釋？更廣泛地說，聯(lián)想學(xué)習(xí)在多模態(tài)感知中的作用經(jīng)常被忽視，且常常局限于研究模態(tài)相關(guān)皮層的交互。

4.

發(fā)現(xiàn)了一位研究電生理與神經(jīng)編碼的蘇黎世大學(xué)的年輕PI，這是他的blog網(wǎng)站：https://gcamp6f.com/about/，他最近一篇有關(guān)介紹BTSP最新成果的文章非常引人入勝，結(jié)尾對腦切片的肯定讓我深受啟發(fā)。然而他和我相反似乎是個還原論者。

5.

• High-speed low-light in vivo two-photon voltage imaging of large neuronal populations (2023)

• 在行為相關(guān)的時間尺度上監(jiān)測大型神經(jīng)元群體的尖峰活動對于理解神經(jīng)回路功能至關(guān)重要。與鈣成像不同，電壓成像需要千赫采樣率，從而將熒光檢測降低到接近散粒噪聲水平。高光子通量激發(fā)可以克服光子受限的散粒噪聲，但光漂白和光損傷限制了同時成像神經(jīng)元的數(shù)量和持續(xù)時間。我們研究了一種針對低雙光子通量的替代方法，即低于散粒噪聲極限的電壓成像。該框架涉及開發(fā)具有改進(jìn)的尖峰檢測的正向電壓指示器（SpikeyGi和SpikeyGi2）；雙光子顯微鏡（“MURF”），用于0.4?毫米?×?0.4?mm視場；以及用于從散粒噪聲受限信號推斷熒光的自監(jiān)督去噪算法（DeepVID）。通過這些綜合進(jìn)步，我們在清醒行為的小鼠中實(shí)現(xiàn)了100多個密集標(biāo)記神經(jīng)元在1小時內(nèi)的同時高速深層組織成像。這證明了一種在不斷增加的神經(jīng)元群體中進(jìn)行電壓成像的可擴(kuò)展方法。

• https://www.nature.com/articles/s41592-023-01820-3

• …………“因此，我們采取了一種融合蛋白質(zhì)工程、光學(xué)工程和深度學(xué)習(xí)的多學(xué)科方法，以克服在大型神經(jīng)元群體中實(shí)現(xiàn)快速電壓成像的基本限制。我們開發(fā)了一種高速、正向雙光子GEVI；千赫掃描、大視場“SMURF”（時空復(fù)用超快共振幀掃描）雙光子顯微鏡；以及用于圖像去噪的深度卷積神經(jīng)網(wǎng)絡(luò)（DeepVID）。通過這種技術(shù)的協(xié)同組合，我們?yōu)榍逍研袨閯游锏娜后w級雙光子電壓成像提供了一個框架?！?/p>

電壓成像最新結(jié)果，亮點(diǎn)是AI的去噪應(yīng)用以及持續(xù)在體成像，且達(dá)到了400 × 400 μm視場/1 kHz幀速率。然而原文并沒有指出其最大可測量的神經(jīng)元數(shù)量，只試驗(yàn)性地給出了＞100的答案。

6.

• Credit Assignment in Neural Networks through Deep Feedback Control (2021)

• 深度學(xué)習(xí)的成功引發(fā)了人們的興趣，即大腦是否通過使用類似的技術(shù)來學(xué)習(xí)，為每個突觸權(quán)重對網(wǎng)絡(luò)輸出的貢獻(xiàn)打分。然而，目前對生物學(xué)上合理的學(xué)習(xí)方法的大多數(shù)嘗試要么是非局部的，要么需要高度特定的連接基序，要么與任何已知的數(shù)學(xué)優(yōu)化方法沒有明確的聯(lián)系。在這里，我們介紹了深度反饋控制（DFC），這是一種新的學(xué)習(xí)方法，它使用反饋控制器來驅(qū)動深度神經(jīng)網(wǎng)絡(luò)以匹配期望的輸出目標(biāo)，并且其控制信號可以用于信用分配。由此產(chǎn)生的學(xué)習(xí)規(guī)則在空間和時間上是完全局部的，并且對于廣泛的反饋連接模式近似于高斯-牛頓優(yōu)化。為了進(jìn)一步強(qiáng)調(diào)其生物學(xué)合理性，我們將DFC與皮層錐體神經(jīng)元的多室模型聯(lián)系起來，該模型具有局部電壓依賴性突觸可塑性規(guī)則，與最近的樹突加工理論一致。通過將動力學(xué)系統(tǒng)理論與數(shù)學(xué)優(yōu)化理論相結(jié)合，我們?yōu)镈FC提供了強(qiáng)大的理論基礎(chǔ)，并通過玩具實(shí)驗(yàn)和標(biāo)準(zhǔn)計(jì)算機(jī)視覺基準(zhǔn)的詳細(xì)結(jié)果進(jìn)行了驗(yàn)證。

• Minimizing Control for Credit Assignment with Strong Feedback (2022)

• 深度學(xué)習(xí)的成功引發(fā)了人們對大腦是否使用基于梯度的學(xué)習(xí)來學(xué)習(xí)分層表示的興趣。然而，目前在深度神經(jīng)網(wǎng)絡(luò)中基于梯度的信用分配的生物學(xué)上可行的方法需要極小的反饋信號，這在生物學(xué)上現(xiàn)實(shí)的噪聲環(huán)境中是有問題的，并且與神經(jīng)科學(xué)中的實(shí)驗(yàn)證據(jù)不一致，該實(shí)驗(yàn)證據(jù)表明自上而下的反饋可以顯著影響神經(jīng)活動。在深度反饋控制（DFC）這一最近提出的信用分配方法的基礎(chǔ)上，我們將對神經(jīng)活動的強(qiáng)烈反饋影響與基于梯度的學(xué)習(xí)相結(jié)合，并表明這自然導(dǎo)致了對神經(jīng)網(wǎng)絡(luò)優(yōu)化的新觀點(diǎn)。權(quán)重更新不是逐漸將網(wǎng)絡(luò)權(quán)重改變?yōu)榫哂械洼敵鰮p耗的配置，而是逐漸最小化從驅(qū)動網(wǎng)絡(luò)到受監(jiān)督輸出標(biāo)簽的控制器所需的反饋量。此外，我們還表明，在DFC中使用強(qiáng)反饋可以同時學(xué)習(xí)正向和反饋連接，使用空間和時間上完全局部的學(xué)習(xí)規(guī)則。我們用標(biāo)準(zhǔn)計(jì)算機(jī)視覺基準(zhǔn)上的實(shí)驗(yàn)來補(bǔ)充我們的理論結(jié)果，顯示出對反向傳播的競爭性能以及對噪聲的魯棒性?？偟膩碚f，我們的工作提出了一種從根本上新穎的觀點(diǎn)，將學(xué)習(xí)視為控制最小化，同時避開了生物學(xué)上不切實(shí)際的假設(shè)。

• Bio-inspired, task-free continual learning through activity regularization (2023)

• 連續(xù)學(xué)習(xí)多個任務(wù)而不忘記的能力是生物大腦的一項(xiàng)關(guān)鍵技能，而這是對深度學(xué)習(xí)領(lǐng)域的一項(xiàng)重大挑戰(zhàn)。為了避免災(zāi)難性遺忘，人們設(shè)計(jì)了各種持續(xù)學(xué)習(xí)方法。然而，這些通常需要離散的任務(wù)邊界。這一要求在生物學(xué)上似乎是不可信的，并且經(jīng)常限制CL方法在現(xiàn)實(shí)世界中的應(yīng)用，因?yàn)楝F(xiàn)實(shí)世界中任務(wù)并不總是定義得很好。在這里，我們從神經(jīng)科學(xué)中獲得了靈感，在神經(jīng)科學(xué)中，稀疏、不重疊的神經(jīng)元表征被認(rèn)為可以防止災(zāi)難性遺忘。與在大腦中一樣，我們認(rèn)為這些稀疏表示應(yīng)該基于前饋（特定于刺激）和自上而下（特定于上下文）的信息來選擇。為了實(shí)現(xiàn)這種選擇性稀疏性，我們使用了一種稱為深度反饋控制（DFC）的分層信用分配的生物合理形式，并將其與贏者通吃的稀疏性機(jī)制相結(jié)合。除了稀疏性之外，我們還在每一層中引入橫向遞歸連接，以進(jìn)一步保護(hù)先前學(xué)習(xí)的表示。我們在分裂的MNIST計(jì)算機(jī)視覺基準(zhǔn)上評估了DFC的新稀疏遞歸版本，并表明相對于標(biāo)準(zhǔn)反向傳播，只有稀疏性和層內(nèi)遞歸連接的組合才能提高CL性能。我們的方法實(shí)現(xiàn)了與眾所周知的CL方法類似的性能，如彈性權(quán)重合并和突觸智能，而不需要有關(guān)任務(wù)邊界的信息。總的來說，我們展示了從大腦中采用計(jì)算原理來推導(dǎo)CL的新的無任務(wù)學(xué)習(xí)算法的想法。

• https://link.springer.com/article/10.1007/s00422-023-00973-w

一套ANN仿生信用分配方法，但作者少有地將其放入持續(xù)學(xué)習(xí)的框架中從而結(jié)合了這兩個類腦算法的重點(diǎn)領(lǐng)域。這套框架很豐富，核心是類腦反饋處理，加之分層和稀疏處理。不過這套方法似乎仍然是基于傳統(tǒng)ANN的改進(jìn)，而不是真正的從頭設(shè)計(jì)一套仿生持續(xù)學(xué)習(xí)網(wǎng)絡(luò)。取得與傳統(tǒng)工程算法相同的性能并不值得驕傲，不過仍然產(chǎn)生了許多啟發(fā)性的結(jié)果。

7.

諾貝爾醫(yī)學(xué)生物獎預(yù)測：光遺傳學(xué)

獲獎?wù)撸?/p>

Gero Miesenb?ck

Karl Deisseroth

Edward S Boyden

如果諾獎委員會有良心的話那么應(yīng)該由潘卓華取代其中一位。

預(yù)測不中也沒關(guān)系，只要我年年都押光遺傳，總有一天會押中，人們就會稱我為預(yù)言家

順帶再預(yù)言一下和平獎：