🧠 neuroscience

Sensory History Shapes Contrastive Neural Geometry in LP/Pulvinar-Prefrontal Cortex Circuits

यह अध्ययन प्रदर्शित करता है कि थैलेमिक लेटरल पोस्टीरियर (LP)/पल्वीनर-टू-एंटीरियर सिंगुलेट कॉर्टेक्स (ACC) मार्ग एक घुमावदार, निम्न-आयामी तंत्रिका मैनिफोल्ड (neural manifold) के साथ साक्ष्य अंतरों को एनकोड करके निर्णय लेने के मार्गदर्शन के लिए पूर्व उद्दीपन इतिहास को एकीकृत करने हेतु आवश्यक है।

मूल लेखक: Leow, Y. N., Natesan, A., Barlowe, A., Ahrlund-Richter, S., Luo, C. T., Jazayeri, M., Sur, M.

प्रकाशित 2026-04-17

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Leow, Y. N., Natesan, A., Barlowe, A., Ahrlund-Richter, S., Luo, C. T., Jazayeri, M., Sur, M.

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी तस्वीर: मस्तिष्क का "इतिहास की जाँच" (History Check)

कल्पना कीजिए कि आप सड़क पर चल रहे हैं। आप एक लाल कार देखते हैं। फिर, एक सेकंड बाद, आप एक और लाल कार देखते हैं। आप शायद सोचेंगे, "ओह, यह बस एक लाल कार है, कुछ खास नहीं।" लेकिन फिर, अचानक, आप एक चमकीली हरी ट्रक देखते हैं। आपका मस्तिष्क तुरंत प्रतिक्रिया देता है: "वाह! यह अलग है! ध्यान दो!"

यह शोध पत्र इस बारे में है कि कैसे हमारा मस्तिष्क निर्णय लेते समय ठीक इसी तरह की "तुलना की जाँच" (comparison check) करता है। शोधकर्ताओं ने चूहे के मस्तिष्क में एक विशिष्ट "वायरिंग" की खोज की है जो एक कंट्रास्ट फिल्टर (contrast filter) की तरह कार्य करती है। यह केवल मस्तिष्क को यह नहीं बताती कि अभी क्या हो रहा है; बल्कि यह लगातार पूछती है, "क्या यह नई चीज़ उस चीज़ से अलग है जो अभी-अभी हुई थी?"

पात्रों का परिचय

अध्ययन को समझने के लिए, आइए इस मस्तिष्क नाटक के तीन मुख्य पात्रों से मिलें:

संवेदी इनपुट (आंखें): चूहा स्क्रीन पर चलते हुए बिंदुओं (dots) को देख रहा है। कभी वे बाईं ओर चलते हैं, तो कभी दाईं ओर।
निर्णय लेने वाला (ACC - एन्टीरियर सिंगुलेट कॉर्टेक्स): इसे मस्तिष्क के निर्णय लेने वाले कार्यालय के CEO के रूप में समझें। यह जानकारी एकत्र करता है और निर्णय लेता है: "क्या मुझे बाएं कप को चाटना चाहिए या दाएं कप को?"
इतिहास का संरक्षक (LP/पल्विनेर - थैलेमस का एक हिस्सा): यह एक अभिलेखागार (Archivist) है। यह आंखों और CEO के बीच में स्थित है। इसका काम पिछले ट्रायल (trial) में जो हुआ था उसे याद रखना और उसकी तुलना अब जो हो रहा है उससे करना है।

प्रयोग: "डॉट गेम"

वैज्ञानिकों ने चूहों को एक खेल सिखाया:

कार्य: बिंदुओं के एक समूह को चलते हुए देखें। यदि वे बाईं ओर चलते हैं, तो बाएं स्प्राउट (spout) को चाटें। यदि दाईं ओर चलते हैं, तो दाएं स्प्राउट को चाटें।
ट्विस्ट: बिंदु हमेशा स्पष्ट नहीं थे। कभी वे बहुत स्पष्ट थे (100% बाईं ओर जा रहे थे), और कभी वे बहुत उलझे हुए थे (केवल 16% बाईं ओर जा रहे थे)।
इतिहास का कारक: चूहों ने यह खेल बार-बार खेला। वैज्ञानिकों ने गौर किया: चूहे केवल वर्तमान बिंदुओं को ही नहीं देख रहे थे। वे वर्तमान बिंदुओं और पिछले बिंदुओं के बीच के अंतर को देख रहे थे।

खोज:
यदि बिंदु पिछली बार की तरह ही दिशा में चले (कम अंतर), तो चूहे आलसी हो गए और उन्होंने बस अपने पिछले चुनाव को दोहरा दिया।
लेकिन यदि बिंदु बिल्कुल अलग दिशा में चले (उच्च अंतर), तो चूहों ने अतिरिक्त ध्यान दिया और उनके द्वारा अपना चुनाव बदलने की संभावना बढ़ गई। वे मूल रूप से कह रहे थे, "पिछली बार लाल था, इस बार हरा है? ठीक है, मुझे अपनी योजना अपडेट करने की ज़रूरत है!"

"अहा!" क्षण: तार को काटना

वैज्ञानिकों ने जानना चाहा: यह तुलना कौन कर रहा है?

उन्होंने अभिललेखागार (LP) को CEO (ACC) से जोड़ने वाले तारों को अस्थायी रूप से "चालू" करने के लिए एक लेजर (ऑप्टोजेनेटिक्स) का उपयोग किया।

क्या हुआ? चूहे भ्रमित हो गए। उन्होंने नए बिंदुओं की तुलना पुराने बिंदुओं से करना बंद कर दिया।
परिणाम: जब लेजर चालू था, तो चूहे यह नहीं बता पा रहे थे कि नए बिंदु पुराने बिंदुओं से कितने अलग हैं। वे केवल रैंडम अनुमान लगा रहे थे या पुरानी आदतों पर टिके हुए थे, भले ही बिंदु नाटकीय रूप से बदल गए हों।

इससे यह सिद्ध हुआ कि LP-ACC तार वह विशिष्ट केबल है जो "इतिहास" की वर्तमान के साथ जाँच करने के लिए जिम्मेदार है।

गुप्त कोड: घुमावदार मानचित्र (The Curved Map)

शोधकर्ताओं ने एक उच्च-तकनीकी सूक्ष्मदर्शी (टू-फोटॉन इमेजिंग) का उपयोग करके अभिलेखागार के कार्यालय के अंदर भी देखा। उन्होंने देखा कि न्यूरॉन्स कैसे सक्रिय (fire) होते हैं।

पुराना दृष्टिकोण: वैज्ञानिक सोचते थे कि न्यूरॉन्स केवल "बाएं" या "दाएं" संकेत देते हैं।
नया दृष्टिकोण: उन्होंने पाया कि न्यूरॉन्स ने एक घुमावदार, लो-डायमेंशनल मैप (जैसे एक मुड़ा हुआ तार या रोलरकोस्टर ट्रैक) बनाया।
- जब नए बिंदु पुराने बिंदुओं के समान थे, तो न्यूरॉन्स ट्रैक पर एक-दूसरे के करीब रहे।
- जब नए बिंदु बहुत अलग थे, तो न्यूरॉन्स ट्रैक पर फैल गए (stretch out), जिससे एक बड़ा अंतर पैदा हो गया।

उपमा: एक रबर बैंड की कल्पना करें।

यदि नया साक्ष्य (evidence) पुराने जैसा ही है, तो रबर बैंड ढीला और छोटा होता है।
यदि नया साक्ष्य बिल्कुल अलग है, तो रबर बैंड कस जाता है और खिंच जाता है।
यह "खिंचाव" CEO (ACC) को बताता है: "हे! यह एक बड़ा बदलाव है! जाग जाओ और एक नया निर्णय लो!"

यह क्यों मायने रखता है?

यह अध्ययन इस रहस्य को सुलझाता है कि हम निर्णय कैसे लेते हैं। हम अक्सर सोचते हैं कि हमारा मस्तिष्क केवल एक कैमरा है जो जो देखता है उसे रिकॉर्ड करता है। लेकिन यह शोध पत्र दिखाता है कि हमारा मस्तिष्क एक स्मार्ट एडिटर की तरह है।

दक्षता (Efficiency): यदि कुछ भी बदला नहीं है, तो सब कुछ फिर से मूल्यांकन करने में ऊर्जा बर्बाद न करें। बस वही करते रहें जो आप कर रहे थे।
संवेदनशीलता (Sensitivity): यदि कुछ बदला है, तो मस्तिष्क उस संकेत को बढ़ा देता है (रबर बैंड को खींच देता है) ताकि आप उसे मिस न करें।

निष्कर्ष (The Takeaway)

LP-ACC सर्किट मस्तिष्क का "कंट्रास्ट फिल्टर" है। यह लगातार "मैंने अभी क्या देखा" और "मैं अभी क्या देख रहा हूँ" के बीच की दूरी को मापता है।

छोटा अंतर? अपने रास्ते पर चलते रहें।
बड़ा अंतर? अपनी दिशा बदलें!

इस विशिष्ट वायरिंग के बिना, हम एक लूप में फंस जाते, यह नोटिस करने में असमर्थ होते कि हमारे आसपास की दुनिया कब बदल रही है, जिससे हम त्वरित और स्मार्ट निर्णय लेने में अक्षम हो जाते।

यहाँ Leow et al. के शोध पत्र "Sensory History Shapes Contrastive Neural Geometry in LP/Pulvinar-Prefrontal Cortex Circuits" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

प्रत्यक्ष बोध संबंधी निर्णय लेना (Perceptual decision-making) एक स्थिर प्रक्रिया नहीं है; यह पूर्व अपेक्षाओं और चल रहे लक्ष्यों द्वारा गतिशील रूप से आकार लेती है। हालांकि विज़ुओस्पेशियल अटेंशन (visuospatial attention) और विचलित करने वाले कारकों को फ़िल्टर करने में पल्विनेर (लैटरल पोस्टीरियर न्यूक्लियस, चूहों में LP) की भूमिका अच्छी तरह से स्थापित है, लेकिन निर्णय निर्माण (decision formation) और ट्रायल-टू-ट्रायल संवेदी इतिहास (trial-to-trial sensory history) के एकीकरण में इसके विशिष्ट योगदान को लेकर स्पष्टता का अभाव है। विशेष रूप से, यह अज्ञात है कि थैलेमोकोर्टिकल सर्किट (thalamocortical circuits) वर्तमान संवेदी साक्ष्य और हाल के इतिहास के बीच के संबंध को कैसे एनकोड करते हैं ताकि विकल्पों का मार्गदर्शन किया जा सके, विशेष रूप से साक्ष्य के परिमाण में परिवर्तन के आधार पर "स्टे" (वही विकल्प दोहराना) और "स्विच" (विकल्प बदलना) व्यवहारों के बीच अंतर करने में।

2. कार्यप्रणाली (Methodology)

लेखकों ने व्यवहार विश्लेषण, कारण सर्किट हेरफेर (causal circuit manipulation), और चूहों में उच्च-रिज़ॉल्यूशन न्यूरल इमेजिंग को संयोजित करते हुए एक बहुआयामी दृष्टिकोण अपनाया:

व्यवहार संबंधी कार्य (Behavioral Task): चूहों ने रैंडम डॉट किनेमैटोग्राम (RDK) का उपयोग करके एक स्व-संचालित, दो-विकल्प बलपूर्वक चयन (2AFC) विज़ुअल डिस्क्रिमिनेशन कार्य किया। उन्हें विभिन्न सामंजस्य स्तरों (16%–100%) पर गति की दिशा (0° टेम्पोरल बनाम 180° नेज़ल) का अंतर पहचानना था।
- मुख्य मीट्रिक: अध्ययन ने क्रमिक परीक्षणों के बीच उद्दीपन दिशा के पूर्ण अंतर पर ध्यान केंद्रित किया, जिसे $|\Delta Dir|$ के रूप में दर्शाया गया है।
ऑप्टोजेनेटिक्स (Optogenetics): कारण संबंध स्थापित करने के लिए, लेखकों ने ACC (एंटीरियर सिंगुलेट कॉर्टेक्स) में प्रक्षेपित होने वाले LP न्यूरॉन्स में चैनलरोडोप्सिन-2 (ChR2) को व्यक्त किया। उन्होंने साक्ष्य एकीकरण को बाधित करने या पक्षपाती बनाने के लिए उद्दीपन प्रस्तुति काल के दौरान LP-ACC एक्सोन के एकतरफा (unilateral) और द्विपक्षीय (bilateral) ऑप्टोजेनेटिक उत्तेजना का प्रदर्शन किया।
टू-फोटॉन कैल्शियम इमेजिंग (Two-Photon Calcium Imaging):
- LP-ACC एक्सोन: कार्य प्रदर्शन और निष्क्रिय दृश्य के दौरान ACC में एक्सोनल गतिविधि को रिकॉर्ड करने के लिए ACC में प्रक्षेपित होने वाले LP न्यूरॉन्स में GCaMP6s को व्यक्त किया गया।
- ACC सोमा (Somas): इनपुट रिप्रजेंटेशन की स्थानीय कॉर्टिकल प्रोसेसिंग के साथ तुलना करने के लिए ACC न्यूरोनल सोमा की समवर्ती इमेजिंग की गई।
कंप्यूटेशनल मॉडलिंग (Computational Modeling):
- डायमेंशनलिटी रिडक्शन (Dimensionality Reduction): जनसंख्या गतिविधि की ज्यामिति (geometry) को चित्रित करने के लिए प्रिंसिपल कंपोनेंट एनालिसिस (PCA) और टार्गेटेड डायमेंशनलिटी रिडक्शन (TDR) का उपयोग किया गया।
- मॉडलिंग: "स्टे" बनाम "अपडेट" व्यवस्थाओं और निर्णय अपडेट को गेट करने में $|\Delta Dir|$ की भूमिका के बारे में परिकल्पनाओं का परीक्षण करने के लिए ड्रिफ्ट-डिफ्यूजन जैसे मॉडल और कस्टम कंप्यूटेशनल मॉडल को व्यवहार संबंधी डेटा पर फिट किया गया।

3. मुख्य योगदान (Key Contributions)

एक कंट्रास्टिव कोडिंग तंत्र की पहचान: अध्ययन प्रकट करता है कि LP-ACC मार्ग केवल संवेदी जानकारी को रिले नहीं करता है, बल्कि एक कंट्रास्टिव सिग्नल (contrastive signal) को एनकोड करता है जो हाल के इतिहास से वर्तमान साक्ष्य के विचलन का प्रतिनिधित्व करता है।
लो-डायमेंशनल कर्व्ड मैनिफोल्ड्स की खोज: लेखक प्रदर्शित करते हैं कि LP-ACC जनसंख्या गतिविधि संवेदी साक्ष्य को एक वक्र (curved), निम्न-आयामी मैनिफोल्ड के साथ व्यवस्थित करती है जो ट्रायल-टू-ट्रial परिवर्तनों ( $|\Delta Dir|$ ) के परिमाण के आधार पर गतिशील रूप से विस्तारित होती है।
इनपुट बनाम आउटपुट रिप्रजेंटेशन का पृथक्करण: शोध पत्र LP-ACC एक्सोन में कंट्रास्टिव, स्टिमुलस-केंद्रित रिप्रजेंटेशन से ACC सोमा में एलाइन्ड, चॉइस-केंद्रित रिप्रजेंटेशन में एक रूपांतरण को रेखांकित करता है।
निर्णय अपडेटिंग में कारण भूमिका: ऑप्टोजेनेटिक व्यवधान सिद्ध करते हैं कि LP-ACC इनपुट यह मूल्यांकन करने के लिए आवश्यक हैं कि क्या वर्तमान साक्ष्य पिछले विकल्प से स्विच करने के लिए पर्याप्त है, विशेष रूप से हाल के इतिहास के सापेक्ष संवेदी साक्ष्य के "गेन" (gain) को नियंत्रित करके।

4. मुख्य परिणाम (Key Results)

A. व्यवहार संबंधी निष्कर्ष: $|\Delta Dir|$ -निर्भर रणनीतियाँ

चूहे केवल "विन-स्टे/लूज-स्विच" ह्यूरिस्टिक का पालन नहीं करते हैं। इसके बजाय, उनके विकल्प दोहराने की संभावना $|\Delta Dir|$ द्वारा दृढ़ता से मॉड्युलेट होती है।
कम $|\Delta |\Delta Dir|$ (समान उद्दीपन): चूहे पिछले पुरस्कृत विकल्प को दोहराने की अधिक संभावना रखते हैं।
उच्च $|\Delta Dir|$ (अलग उद्दीपन): चूहे दोहराने की कम संभावना रखते हैं, जिससे स्विच बायस (switch bias) दिखाई देता है।
प्रदर्शन प्रभाव: सही परीक्षणों के बाद हिट रेट और साइकोमेट्रिक स्लोप (संवेदनशीलता) को बढ़ाना $|\Delta Dir|$ को बढ़ाने से कम हो जाता है, जो एक "स्विच कॉस्ट" को दर्शाता है जिसे केवल तभी दूर किया जा सकता है जब संवेदी अंतर बड़ा हो। यह सुझाव देता है कि चूहे स्पष्ट रूप से वर्तमान और पिछले साक्ष्य की तुलना करते हैं।

B. LP-ACC प्रोजेक्शंस की कारण भूमिका

ऑप्टोजेनेटिक उत्तेजना: एकतरफा LP-ACC एक्सोन के सक्रियण ने निर्णय थ्रेशोल्ड को बदले बिना या सरल मोटर बायस पैदा किए बिना प्रदर्शन को बाधित किया (हिट रेट और साइकोमेट्रिक स्लोप में कमी)।
इतिहास-निर्भर पूर्वाग्रह (History-Dependent Bias): उत्तेजना का प्रभाव $|\Delta Dir|$ -निर्भर था। जैसे-जैसे वर्तमान और पिछले उद्दीपनों के बीच का अंतर बढ़ा, उत्तेजना ने उत्तेजित गोलार्ध (hemisphere) की क्रिया की ओर एक मजबूत पार्श्वीकृत (lateralized) पूर्वाग्रह उत्पन्न किया।
तंत्र: डेटा एक ऐसे मॉडल का समर्थन करता है जहाँ LP-ACC इनपुट दो अलग होने वाले संकेत प्रदान करते हैं:
1. साक्ष्य संवेदनशीलता में वैश्विक कमी (गेन मॉड्यूलेशन)।
2. एक पार्श्वीकृत पूर्वाग्रह जो $|\Delta Dir|$ के साथ स्केल करता है, जो स्विच करने के निर्णय को प्रभावित करता है।
विशिष्टता: प्रभाव LP-ACC के लिए विशिष्ट थे; V1 को LP इनपुट को उत्तेजित करने या नियंत्रण तरंग दैर्ध्य (wavelengths) का उपयोग करने का कोई प्रभाव नहीं पड़ा। द्विपक्षीय उत्तेजना ने पार्श्वीकृत पूर्वाग्रह को समाप्त कर दिया, जो अंतर-गोलार्द्ध प्रतिस्पर्धा (interhemispheric competition) की भूमिका की पुष्टि करता है।

C. न्यूरल रिप्रजेंटेशन: ज्यामिति और कंट्रास्टिव कोडिंग

टास्क-गेटेड ज्यामिति: कार्य संलग्नता के दौरान LP-ACC एक्सोन एक मजबूत, वक्र निम्न-आयामी मैनिफोल्ड प्रदर्शित करते हैं जो उद्दीपन दिशा और सामंजस्य (coherence) दोनों को एनकोड करता है। यह संरचना निष्क्रिय दृश्य के दौरान अनुपस्थित होती है।
कंट्रास्टिव जनसंख्या कोड:
- विरोधी एनकोडिंग (Opponent Encoding): वर्तमान उद्दीपन दिशा और पिछले उद्दीपन दिशा के लिए जनसंख्या भार एंटी-कोरिलेटेड (विपरीत) होते हैं। यह एक ऐसी प्रणाली बनाता है जहाँ इतिहास वर्तमान प्रतिक्रियाओं को एक समान ऑफसेट जोड़ने के बजाय पुनर्गठित (rescale) करता है।
- मैनिफोल्ड विस्तार (Manifold Expansion): जैसे-जैसे $|\Delta Dir|$ बढ़ता है, जनसंख्या मैनिफोल्ड विस्तारित होता है। विभिन्न उद्दीपनों के रिप्रजेंटेशन के बीच यूक्लिडियन दूरी बढ़ जाती है, और प्रक्षेपवक्र (trajectory) की आर्क लेंथ बढ़ जाती है। यह ज्यामितीय विस्तार हाल के इतिहास से विचलन पर जोर देता है।
ACC में रूपांतरण: LP-ACC इनपुट के विपरीत, ACC सोमा वर्तमान और पिछले विकल्पों के एडिटिव, एलाइन्ड कोडिंग को दर्शाते हैं। ACC रिप्रजेंटेशन में वही इतिहास-निर्भर ज्यामितीय विस्तार नहीं दिखता है, जो यह सुझाव देता है कि ACC कंट्रास्टिव LP इनपुट को चॉइस-एलाइन्ड सिग्नल में बदल देता है।

D. कंप्यूटेशनल मॉडल

लेखक एक मॉडल प्रस्तावित करते हैं जहाँ LP-व्युत्पन्न $|\Delta Dir|$ सिग्नल एक "अपडेट गेट" (Update Gate) के रूप में कार्य करते हैं।
स्टे रिजीम (Stay Regime): डिफ़ॉल्ट व्यवहार पिछले विकल्प के साथ बने रहना है।
अपडेट रिजीम (Update Regime): बड़े $|\Delta Dir|$ सिग्नल सिस्टम को अपडेट अवस्था में ले जाते हैं, जिससे वर्तमान संवेदी साक्ष्य पर गेन (gain) बढ़ जाता है।
बायस जनरेशन: एकतरफा व्यवधान इन तुलनात्मक संकेतों में अंतर-गोलार्द्ध असंतुलन पैदा करता है, जिससे निर्णय की दिशा प्रभावित होती है।

5. महत्व (Significance)

थैलेमिक कार्य को पुनर्परिभाषित करना: यह कार्य पल्विनेर को एक निष्क्रिय रिले या साधारण अटेंशनल फिल्टर के रूप में देखने के विचार से आगे बढ़ता है। यह LP को एक सक्रिय कम्प्यूटेशनल हब के रूप में स्थापित करता है जो हाल के इतिहास के विरुद्ध नए संवेदी इनपुट की प्रासंगिकता का मूल्यांकन करने के लिए भविष्यवाणी, कंट्रास्टिव गणना (predictive, contrastive computations) करता है।
संदर्भ-निर्भर निर्णयों के लिए तंत्र: यह अध्ययन एक ठोस सर्किट तंत्र प्रदान करता है कि मस्तिष्क यह कैसे तय करता है कि निर्णय को कब अपडेट करना है। हाल के विचलन के लिए रिप्रजेंटेशनल ज्यामिति को बढ़ाकर, LP-ACC मार्ग प्रभावी रूप से व्यवहारिक रूप से महत्वपूर्ण परिवर्तनों को बढ़ाता है।
थैलेमोकोर्टिकल एकीकरण: यह कार्य के श्रम विभाजन को उजागर करता है: थैलेमस (LP) एक इतिहास-सापेक्ष, कंट्रास्टिव "त्रुटि" या "परिवर्तन" सिग्नल प्रदान करता है, जबकि कॉर्टेक्स (ACC) इसे प्रतिस्पर्धी गतिशीलता के माध्यम से एक्शन-सिलेक्शन वेरिएबल्स में एकीकृत करता है।
नैदानिक प्रासंगिकता: यह समझना कि आंतरिक इतिहास के माध्यम से पूर्व अपेक्षाएं संवेदी प्रसंस्करण को कैसे आकार देती है, थैलेमोकोर्टिकल लूप के माध्यम से होने वाले विकारों (जैसे ADHD, सिज़ोफ्रेनिया, या चिंता विकार) के बारे में नई अंतर्दृष्टि प्रदान करता है।

संक्षेप में, यह शोध पत्र प्रदर्शित करता है कि LP-ACC सर्किट एक कंट्रास्टिव कोडिंग रणनीति लागू करता है जहाँ न्यूरल जनसंख्या गतिविधि की ज्यामिति वर्तमान और पिछले संवेदी साक्ष्य के बीच के अंतर के आधार पर गतिशील रूप से पुनर्गठित होती है, जिससे व्यवहारिक निरंतरता (persistence) से निर्णय अपडेटिंग की ओर संक्रमण को नियंत्रित किया जाता है।