神経科学：視覚皮質のコンパクトなディープニューラルネットワーク
Nature 652, 8111 doi: 10.1038/s41586-026-10150-1
視覚皮質で行われる演算を理解するための1つの有力な手法は、任意の画像に対して神経応答を予測するモデルを構築することである。ディープニューラルネットワーク（DNN）は先進的な予測モデルとして登場したが、その基盤となる演算は数百万もの変数の下に埋もれている。今回我々は、霊長類の視覚皮質について、予測能を保つ倹約DNNモデルを探すことで、この規模でのモデルの必要性に疑問を投げ掛ける。我々はまず、アカゲザル（Macaca mulatta）の視覚V4野の神経応答について、適応的閉ループ実験でデータ取得とモデルの訓練を交互に行うことにより、高度な予測能を備えたDNNモデルを構築した。次に我々は、6000万の変数からなるこの大規模なブラックボックス的DNNモデルを圧縮して、同等な精度を維持しつつ変数を5000分の1に減らしたコンパクトなモデルを複数得た。この劇的な圧縮により、コンパクトモデルの内部動作の研究が可能になった。そしてその結果、コンパクトモデルは初期処理においては類似したフィルターを持つが、個々のモデルはこの共通した高次元表現を個別の方法で「集約」することでそれぞれの特徴選択性に特化している、という明瞭な演算モチーフが見つかった。我々は、この集約段階をドット検出モデルニューロンで検討し、ドット選択性V4ニューロンの検証可能な回路仮説につながる演算機構を明らかにした。V4に限らず、アカゲザルの視覚野のV1とIT（下部側頭皮質）についても強力なモデル圧縮ができ、視覚皮質に一般的な演算原理が明らかになった。まとめると本研究は、個々のニューロンの活動予測には大規模なDNNが必要だとする見解に疑問を投げ掛けるとともに、予測能と倹約性を両立させるモデル化の枠組みを確立している。
