Transformer 训练蝙蝠神经数据建成海马体"数字孪生",揭示未知群体活动结构
patrickmineault · x · 2026-10-16
新预印本:研究团队用自由飞行蝙蝠的 Neuropixels 神经记录与 3D 飞行轨迹训练了一个 Transformer,构建出海马体的功能性"数字孪生"。通过探查其潜空间,团队发现海马体群体活动中此前未知的空间结构——配图显示,数字孪生的前三个主成分(PC1-PC3)构成的潜空间轨迹与蝙蝠的物理 XYZ 位置高度对应(按 X 坐标着色可复现轨迹形态),且正负 motif 的群体活动在潜空间中呈现可分离的不同环状结构。
这项工作展示了用大规模神经记录训练的模型可作为海马体计算的可探查模型,为理解空间编码与群体动力学提供了新工具。
「研究」频道最新
- UCSD团队提出数据集水印法，仅凭API输出即可检测训练数据盗用 — yuxiangw_cs · 2026-10-16
- EmbodiedEvo 让 Agent 传承经验：登顶 RoboDojo 榜单 — Aiden_Tech_Ai · 2026-10-16
- 审稿人吐槽 CHI 论文 Discussion 普遍不引用文献 — IanArawjo · 2026-10-16
- 研究者驳「理解神经元即理解网络」：误差会复合放大 — StephenLCasper · 2026-10-16
- NVIDIA 发布 cuPotential，用 AI 智能体模拟半导体材料原子交互 — tomaszbednarz · 2026-10-16
- Agentic Search 只奖励最终答案，推理步骤是否忠实成疑 — burkov · 2026-10-16