神経科学：神経活動の基盤モデルから新しい刺激タイプに対する反応を予測する

神経回路は複雑であるため、脳の知能アルゴリズムを読み解くことは難しい。深層学習の最近の飛躍的進歩は、脳の活動を正確にシミュレーションするモデルを生み出しており、脳の計算目標や神経符号化についての理解が深まっている。しかし、そのようなモデルは訓練データの枠を超えて汎化することが難しく、有用性には限界がある。膨大なデータセットで訓練された基盤モデルの出現により、優れた汎化能力を備えた新たな人工知能パラダイムが導入されている。今回我々は、多数のマウスの視覚皮質から大量の神経活動を収集し、任意の自然動画に対するニューロン反応を正確に予測するよう基盤モデルを訓練した。このモデルは最小限の訓練で新しいマウスに汎化され、コヒーレント運動や雑音パターンなど、さまざまな新しい刺激領域にわたる反応の予測に成功した。このモデルは、神経反応の予測に加えて、細胞の解剖学的なタイプ、樹状突起の特徴、MICrONS機能コネクトミクスデータセット内のニューロン接続性も正確に予測した。我々の研究は、脳の基盤モデル構築に向けた非常に重要な一歩である。神経科学がより大規模かつマルチモーダルなデータを蓄積していくにつれ、基盤モデルによって統計的規則性が明らかとなり、新たな課題への迅速な適応と研究の加速が実現されるであろう。

目次へ戻る