Differentiable Optimization of Similarity Scores Between Models and Brains

要約

より現実的な脳モデルの開発にはどのような指標が必要でしょうか?
1 つの提案は、線形回帰、Centered Kernel Alignment (CKA)、角プロクラステス距離などの方法を使用して、モデルと脳間の類似性を定量化することです。
これらの類似性尺度の限界をより深く理解するために、非ヒト霊長類に対する 5 つの実験で記録された神経活動を分析し、これらの神経記録にさらに類似するように合成データセットを最適化します。
これらの合成データセットは、タスク関連変数のエンコードに失敗しているにもかかわらず、神経活動にどの程度類似しているでしょうか?
線形回帰や CKA などの一部の尺度は、角度プロクラステスとは異なり、タスク関連の変数を合成データセットから線形にデコードできない場合でも、高い類似性スコアを生成することがわかりました。
類似性スコアを最大化するように最適化された合成データセットは、最初にターゲット データセットの第 1 主成分を学習しますが、Angular Procrustes は線形回帰や CKA などの方法よりもはるかに早い段階でより高い分散次元を取得します。
理論とシミュレーションの両方で、さまざまな主成分が摂動されたときにこれらのスコアがどのように変化するかを示します。
そして最後に、複数の類似性スコアを共同で最適化して許容範囲を見つけ、たとえば、角度プロクラステスの類似性が高いことは CKA スコアが高いことを意味しますが、その逆は意味しないことを示します。

要約(オリジナル)

What metrics should guide the development of more realistic models of the brain? One proposal is to quantify the similarity between models and brains using methods such as linear regression, Centered Kernel Alignment (CKA), and angular Procrustes distance. To better understand the limitations of these similarity measures we analyze neural activity recorded in five experiments on nonhuman primates, and optimize synthetic datasets to become more similar to these neural recordings. How similar can these synthetic datasets be to neural activity while failing to encode task relevant variables? We find that some measures like linear regression and CKA, differ from angular Procrustes, and yield high similarity scores even when task relevant variables cannot be linearly decoded from the synthetic datasets. Synthetic datasets optimized to maximize similarity scores initially learn the first principal component of the target dataset, but angular Procrustes captures higher variance dimensions much earlier than methods like linear regression and CKA. We show in both theory and simulations how these scores change when different principal components are perturbed. And finally, we jointly optimize multiple similarity scores to find their allowed ranges, and show that a high angular Procrustes similarity, for example, implies a high CKA score, but not the converse.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google