Neural timescales from a computational perspective

要約

神経活動の時間スケールは脳領域内および脳領域内で多様であり、実験的観察によれば、神経活動の時間スケールは動的環境における情報を反映していることが示唆されています。
ただし、これらの観察は、神経のタイムスケールがどのように形成されるか、また、神経の計算や脳の機能に特定のタイムスケールが必要かどうかを特定するものではありません。
ここでは、補完的な視点をとり、計算手法によって広範な経験的観察を定量的かつ検証可能な理論に蒸留できる 3 つの方向性を総合します。 (i) データ分析手法により、さまざまな記録モダリティにわたって神経力学のさまざまなタイムスケールをどのように捉えることができるかをレビューします。
(ii) 計算モデルが多様なタイムスケールの出現のメカニズムをどのように説明するか、(iii) 機械学習におけるタスク最適化モデルがニューラル タイムスケールの機能的関連性をどのように解明するか。
この統合的な計算アプローチを経験的発見と組み合わせることで、神経の時間スケールが脳の構造、ダイナミクス、および行動の間の関係をどのように捉えるかについて、より全体的な理解を提供できるでしょう。

要約(オリジナル)

Timescales of neural activity are diverse across and within brain areas, and experimental observations suggest that neural timescales reflect information in dynamic environments. However, these observations do not specify how neural timescales are shaped, nor whether particular timescales are necessary for neural computations and brain function. Here, we take a complementary perspective and synthesize three directions where computational methods can distill the broad set of empirical observations into quantitative and testable theories: We review (i) how data analysis methods allow us to capture different timescales of neural dynamics across different recording modalities, (ii) how computational models provide a mechanistic explanation for the emergence of diverse timescales, and (iii) how task-optimized models in machine learning uncover the functional relevance of neural timescales. This integrative computational approach, combined with empirical findings, would provide a more holistic understanding of how neural timescales capture the relationship between brain structure, dynamics, and behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google