前言：本日記僅記錄認知科學領域中個人認為部分有趣和重要的文章及個人見解，技術分享，以及一些學術界的軼事和新聞等。所涉及文章的摘要或部分文摘均為機翻。本學術日記僅供個人學習記錄與隨緣分享，不具有任何解釋和科普責任，但歡迎在評論區(qū)提問或討論，也接受私信（但不負責回答包你滿意）。本專欄不求流量，與本人其他作品無關，隨緣更新。

1.

• Do all norepinephrine surges disrupt sleep? (2023)

• 在最近的一項小鼠研究中，Kjaerby 等人。將去甲腎上腺素的激增解釋為睡眠碎片化的喚醒。作為一群研究人類和嚙齒動物睡眠的研究人員，我們警告不要認為所有與睡眠相關的去甲腎上腺素激增都表明覺醒。需要做更多的工作來區(qū)分以聲音和碎片睡眠為特征的去甲腎上腺素能活動。

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

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

• 我們最近發(fā)表的研究結果表明，睡眠中去甲腎上腺素（NE）的次流振蕩——由藍斑的活動爆發(fā)驅動——是睡眠微結構的重要調節(jié)因子1。具體而言，NE振蕩控制富含紡錘體的非快速眼動（NREM）睡眠段和微睡眠段之間的轉換。

• 在這封信中，Lüthi等人2質疑我們的解釋，即在NREM睡眠期間NE增加與微體相聯系。NE是一種強烈的促醒神經調節(jié)劑3，4，我們證明了NE振蕩的上升階段在睡眠期間促進微覺醒（圖第1a段）。因果關系是通過光遺傳學抑制和激活藍斑來確認的。目前確定的微室的臨床定義是高頻帶（>4）的短腦電圖（EEG）去同步（EEG振幅降低）?Hz，因此不包括delta振蕩）5,6。重要的是，這個定義不包括肌電圖（EMG）反應。我們在小鼠身上的觀察表明，4–30?對于同時發(fā)生EMG事件的NE增加和沒有EMG事件時的NE增加，Hz頻率都是明顯的（圖第1a、b段）。在Matters Arising letter2中，聲稱我們對沒有EMG的微體塊的定義涉及缺乏系統的EEG變化，并且僅依賴于西格瑪功率降低；然而，這是不對的。我們將定義建立在涉及θ、西格瑪和β頻帶的廣泛EEG去同步的既定標準的基礎上（圖第1a、b段）。此外，對于單獨的西格瑪帶，去同步（功率降低）的程度比單獨的主軸降低所能解釋的要大。因此，我們有令人信服的證據表明，在沒有EMG事件的情況下NE增加會誘發(fā)微區(qū)。我們知道，Lüthi等人提出的假設是，NE升高標志著NREM睡眠階段更容易出現覺醒7，8，而我們的研究結果表明，在大多數情況下，覺醒已經發(fā)生。我們假設，有和沒有EMG事件的微外殼具有類似的功能，即重置睡眠紡錘體的生成，并可能維持NREM睡眠，否則NREM睡眠將過渡到REM睡眠。

• …………

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

NE對記憶的直接貢獻和分子級通路被淹沒在睡眠相關爭論中。進一步區(qū)分清醒和離線鞏固中NE的記憶相關作用有助于進一步討論。值得注意是原文使用了光遺傳以調控因果關系。

2.

• Cerebellar associative learning underlies skilled reach adaptation (2023)

• 小腦被假設通過在線調整來改善運動。我們研究了如何使用鼠標觸達范式生成這種預測控制，測試小腦是否使用觸達內信息作為預測因子來調整觸達運動學。我們首先在浦肯野細胞中發(fā)現了一種與到達速度成反比的群體水平反應，指出小腦皮層是連接運動預測因子和預期控制的潛在位點。接下來，我們展示了小鼠可以學會補償由重復的、閉環(huán)的光遺傳學刺激pontocerebellar苔蘚纖維輸入引起的可預測的到達擾動。神經和行為讀數都顯示出對位置鎖定苔蘚纖維擾動的適應，并在去除刺激時表現出后遺癥。令人驚訝的是，位置隨機刺激計劃驅動了部分適應，但沒有相反的后遺癥。

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

將聯想學習和運動適應學習聯系起來。然而對聯想學習復雜的行為成分討論不足，尤其是時間。盡管作者將結果歸結于聯想學習下，但似乎這項研究主要在運動學習的框架下研究。未來單獨研究小腦對經典和工具學習的貢獻是有意義的。

3.

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

• 盡管我們以連續(xù)的方式感知世界，但我們的經驗被劃分為離散的事件。然而，為了理解這些事件，必須將它們拼接成一個總體敘事——一個展開事件的模型。有人提出，當嚙齒動物建立空間環(huán)境模型時，這種縫合過程發(fā)生在離線神經激活中。這里表明，在理解自然敘事的同時，人類會重新激活過去事件的神經表征。與離線回放類似，這些再激活發(fā)生在海馬體和默認模式網絡中，在那里，再激活對相關的過去事件是選擇性的。然而，這些重新激活不是在長時間的離線期間發(fā)生的，而是在正在進行的敘事事件之間的邊界處發(fā)生的。這些結果在兩個數據集上復制，表明重激活是將時間上遙遠的信息結合到對正在進行的經驗的連貫理解中的候選機制。

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

將事件理論和重放聯系起來。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，這可能進一步豐富記憶相關機制在結構學習中的貢獻。

4.

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

• 覓食動物必須使用動態(tài)適應環(huán)境中不斷變化的獎勵可用性的決策策略。各種各樣的動物都是通過按照每種選擇的回報比例來分配它們的選擇來做到這一點的，這是Hernstein的操作匹配定律。理論工作為這種普遍存在的行為提供了一個優(yōu)雅的機制解釋，因為操作匹配自動遵循行為相關神經回路中的簡單突觸可塑性規(guī)則。然而，過去沒有任何工作將操作匹配映射到大腦的可塑性機制上，這使得該理論的生物學相關性尚不清楚。在這里，我們在果蠅身上發(fā)現了操作性匹配，并表明它需要在蘑菇體內發(fā)揮作用的突觸可塑性，并包含對獎勵的期望。我們首先開發(fā)了一種動態(tài)覓食范式，以衡量個體蒼蠅在學習將氣味線索與概率獎勵聯系起來時的選擇。然后，我們建立了一個蒼蠅蘑菇體的模型，用一系列生物學上現實的突觸可塑性規(guī)則來解釋每只蒼蠅的順序選擇行為。正如過去的理論工作所預測的那樣，我們發(fā)現突觸可塑性規(guī)則可以通過結合刺激期望、獎勵期望或兩者來解釋飛行匹配行為。然而，通過光遺傳學繞過獎勵期望的表示，我們廢除了匹配行為，并表明可塑性規(guī)則必須專門包含獎勵期望?？傊@些結果揭示了操作匹配的第一個突觸水平機制，并為獎勵期望信號在蒼蠅大腦中的作用提供了令人信服的證據。

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

匹配法則的生物可塑性機制，但采用一個介于經典和操作條件學習的嗅覺范式。使用光遺傳刺激來代替實際獎勵。所建立的模型進一步豐富了KC-MB回路的可塑性機制。

5.

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

• 饑餓、口渴、孤獨和野心決定了食物、水、社交和表現結果的回報價值1。多巴胺神經元對滿足這些不同需求的獎勵做出反應2，3，4，5，6，7，8，但尚不清楚行為和多巴胺信號是如何隨著環(huán)境中新的機會而改變的。一種可能性是，不同驅動的多巴胺信號被路由到不同的多巴胺通路9，10。另一種可能性是，給定通路中的多巴胺信號被動態(tài)調整為當前優(yōu)先級設置的獎勵。在這里，我們使用電生理學和纖維光度法來測試多巴胺信號是如何與解渴、唱好歌和求偶有關的，因為雄性斑胸雀（喉帶頸雀）有機會獲取水分、評估歌曲表現或討好雌性。單獨時，在兩個中三通路中觀察到水獎勵信號，但與歌唱相關的表現錯誤信號被傳遞到X區(qū)，這是一個專門用于歌唱的紋狀體核。當向雌性求愛時，求水行為減少，多巴胺對水和歌曲表演結果的反應也減少。相反，X區(qū)的多巴胺信號是由與求偶歌曲同步的雌性叫聲驅動的。因此，多巴胺系統通過將聲音表現和社會反饋信號路由到紋狀體區(qū)域進行交流，并通過靈活地重新調整優(yōu)先級驅動設置的獎勵，來處理共存的驅動。

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

獎勵優(yōu)先級在RL中的變化。將動機和RL再次聯系起來，盡管這不是本文的目的，有點浪費RPE相關分析?？傊?，一篇文章貢獻了四個主題，RL，動機，獎勵與RPE，社會行為。

6.

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

• 神經元的主要功能是在大腦和身體中編碼和傳遞信息。軸突和樹突的分支結構必須在遵守其所處基質的規(guī)則的同時進行計算、響應和決策。因此，描述和理解支配這些分支模式的原則是很重要的。在這里，我們提出了證據，證明不對稱分支是理解神經元功能特性的關鍵因素。首先，我們推導了不對稱標度指數的新預測，該指數封裝了與傳導時間、功率最小化和材料成本等關鍵原理相關的分支結構。我們將我們的預測與從圖像中提取的大量數據進行比較，以將特定原理與特定的生物物理功能和細胞類型聯系起來。值得注意的是，我們發(fā)現不對稱分支模型導致的預測和經驗發(fā)現對應于從體細胞到突觸的最大、最小或總路徑長度重要性的不同權重。這些不同的路徑長度在數量和質量上影響能量、時間和材料。此外，我們通常觀察到，更高程度的不對稱分支——可能由外部環(huán)境線索和對活動的突觸可塑性引起——發(fā)生在比胞體（細胞體）更靠近尖端的地方

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

對稱性是生物體被忽視的物理和表觀屬性。這項微觀研究將能補充并啟發(fā)有關大腦宏觀對稱性的研究。

7.

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

• 圍繞模型選擇范式的各種辯論很重要，但顯然，至少在統計和模型選擇工具的最終用戶中，需要更深入地了解現有方法，而不是達成共識。在生態(tài)學文獻中，Akaike信息準則（AIC）主導著模型選擇實踐，雖然它是一個相對簡單的概念，但我們認為在其應用方面存在一些常見的誤解。在解釋和報告AIC模型表時，同事和學生們經常會出現兩個令人驚訝的具體問題。第一個與“假裝”變量的問題有關，特別是對這意味著什么的理解混亂。第二個與p值有關，以及在使用AIC時什么構成統計支持。有大量的技術文獻描述AIC以及p值與AIC差異之間的關系。在這里，我們補充了這種技術處理，并使用模擬來圍繞這些重要概念發(fā)展一些直覺。這樣做的目的是在使用、解釋和報告使用AIC時選擇的模型時促進更好的統計實踐。

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

心理學似乎幾乎沒人使用AIC推斷框架，以前從未考慮過這個問題。需要了解貝葉斯和aic的優(yōu)劣。

8.

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

• 基底神經節(jié)被認為有助于決策和運動控制。這些功能嚴重依賴于時序信息，這些信息可以從主要輸入結構紋狀體中神經群體的進化狀態(tài)中提取。然而，紋狀體活動是否是潛在的、動態(tài)的決策過程或顯性運動的運動學的基礎，仍存在爭議。在這里，我們測量了溫度對紋狀體群體活動和大鼠行為的影響，并將觀察到的影響與在多個版本的時間分類任務中收集的神經活動和行為進行了比較。冷卻導致神經活動和時間判斷模式的擴張和變暖收縮，模仿紋狀體活動中與決策相關的內源性變異。然而，溫度并沒有類似地影響運動運動學。這些數據提供了令人信服的證據，證明紋狀體活動進化的時間進程決定了一個潛在過程的速度，該過程用于指導選擇，而不是持續(xù)的運動控制。更廣泛地說，他們將人口活動的時間尺度確定為時間行為可變性的可能神經基礎。

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

新穎地通過溫度來操縱神經活動（以研究時間認知的神經基礎），盡管初始想法早在兩年前就提出，但似乎這種方法并沒有得到足夠的重視。有趣的是，本文的紋狀體表現出和先前研究相矛盾的結果。

9.

• Associative Transformer Is A Sparse Representation Learner (2023)

• 從傳統Transformer模型中單一的成對注意機制中脫穎而出，人們對利用更符合生物學原理的稀疏相互作用越來越感興趣。包括Set Transformer和Perceiver在內的方法采用了與潛在空間合并的交叉注意力，該潛在空間形成了容量有限的注意力瓶頸?；谧罱鼘θ止ぷ骺臻g理論和聯想記憶的神經科學研究，我們提出了聯想變換器（AiT）。AiT誘導低秩顯式記憶，它既是引導共享工作空間中瓶頸注意力的先驗，又是Hopfield網絡的聯想記憶中的吸引子。通過聯合的端到端訓練，這些先驗自然地發(fā)展出模塊專業(yè)化，每個先驗都有不同的歸納偏見，形成注意力瓶頸。瓶頸可能會促進將信息寫入存儲器的輸入之間的競爭。我們證明了AiT是一個稀疏表示學習器，通過復雜度對輸入量和維度不變的瓶頸來學習不同的先驗。AiT在各種視覺任務中展示了其優(yōu)于Set Transformer、Vision Transformer和Coordination等方法的優(yōu)勢。

• https://arxiv.org/abs/2309.12862

少見的基于transformer的類腦模型，結合聯想記憶和注意力

10.

• Retraction watch：人類學團體取消了關于為什么生物性別對于研究“必要”的會議小組

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

底下的評論點出了精髓：“甚至研討會的標題……別再試圖讓這個問題變得有趣了?；疖嚭洼喆煌@一事實并不有趣。這只是每個人都知道的事實，你也可以證明它是合理的。您可以從技術角度了解它們的不同之處，但最終每個人都知道。

一旦你允許它成為一場辯論，它就結束了，因為這個問題太簡單了。當你試圖辯論如此基本的事情時，它不可避免地會變成無稽之談，因為沒有可分割的部分。就像有染色體一樣，它使人成為 A 或 B，然后導致文化以某種方式發(fā)展。沒有什么可以解析或不同意的。它很簡單并且可觀察到是無可辯駁的?！?/p>