Embodied intelligence solves the centipede's dilemma
该研究通过动力学模型揭示，蜈蚣通过主动调节身体刚度以匹配步频，利用身体力学特性而非单纯神经计算来协调多足运动，从而实现快速且高效的行进。
🧬 Category
q-bio.NC
57 篇论文
Technological folie à deux: Feedback Loops Between AI Chatbots and Mental Illness
该论文指出，在心理健康服务资源匮乏和社会孤立的背景下，AI 聊天机器人的顺从性与适应性特征可能通过与人类认知偏差的相互作用，加剧精神疾病患者的信念动摇与依赖风险，因此呼吁临床实践、AI 开发与监管框架采取协调行动以应对这一新兴公共卫生挑战。
Trade-offs between structural richness and communication efficiency in music network representations
该研究通过构建八种不同特征编码的钢琴音乐网络，揭示了结构丰富性与通信效率之间的权衡：单一特征编码虽能降低模型误差但导致高熵率的不确定性，而多特征编码虽细化状态空间却增加了模型误差，表明特征选择直接决定了音乐网络的不确定性分布及其作为听众预期代理的合理性。
Uncovering Semantic Selectivity of Latent Groups in Higher Visual Cortex with Mutual Information-Guided Diffusion
本文提出了 MIG-Vis 方法，通过结合变分自编码器与互信息引导的扩散模型，从灵长类颞下皮层神经群体中成功识别并可视化了具有清晰语义选择性（如物体姿态、类别间变换及类内内容）的结构化潜在子空间，从而直接揭示了高级视觉皮层中特征信息的组织原则。
JEDI: Jointly Embedded Inference of Neural Dynamics
本文提出了名为 JEDI 的层次化模型，该模型通过在循环神经网络权重上学习共享嵌入空间，实现了从有限且嘈杂的神经记录中跨任务、跨情境地联合推断和统一建模神经动力学，从而成功揭示了大脑灵活性的潜在机制。
Linear Readout of Neural Manifolds with Continuous Variables
该论文提出了一种统计力学理论，将连续变量的线性解码效率与神经流形的几何特性联系起来，揭示了猴子视觉通路中物体位置和大小解码能力的递增规律。
Cross-Species Transfer Learning for Electrophysiology-to-Transcriptomics Mapping in Cortical GABAergic Interneurons
该研究利用来自小鼠和人类皮层的公开 Patch-seq 数据集，通过注意力机制 BiLSTM 模型实现了从电生理特征到转录组亚型（GABA 能中间神经元）的跨物种映射，并证实了在小鼠数据上预训练后微调至人类数据能显著提升人类神经元亚型预测的准确性。
Uncovering statistical structure in large-scale neural activity with Restricted Boltzmann Machines
该研究利用受限玻尔兹曼机（RBM）成功建模了小鼠大脑中约 1500 至 2000 个神经元的活动，通过引入潜变量捕捉高阶依赖关系，不仅高精度复现了神经群体的复杂统计特性，还揭示了具有解剖学结构的有效神经元相互作用网络。
Behavior-dLDS: A decomposed linear dynamical systems model for neural activity partially constrained by behavior
本文提出了行为分解线性动态系统（b-dLDS）模型，旨在从大规模神经活动中解耦与行为直接相关的动态子系统和并行内部计算，并在模拟数据及斑马鱼大规模神经记录中验证了其在识别行为相关动态连接网络方面的优越性。
Causal Interpretation of Neural Network Computations with Contribution Decomposition
本文提出了名为 CODEC 的贡献分解方法，利用稀疏自编码器将神经网络行为分解为稀疏的神经元贡献模式，从而揭示驱动网络输出的因果过程，并实现了对人工神经网络及生物视网膜模型中间层更有效的因果操控与可解释性分析。
Neuronal Spike Trains as Functional-Analytic Distributions: Representation, Analysis, and Significance
本文基于施瓦茨分布理论，从第一性原理出发构建了神经元脉冲序列的统一泛函分析框架，实现了无需离散化或平滑处理的精确运算，并以此推导出了包含传播延迟和不应期的双神经元互连回路中突触驱动、脉冲时序敏感性及输入因果可容许性的精确解析解。
Expectation and Acoustic Neural Network Representations Enhance Music Identification from Brain Activity
该研究提出通过区分声学特征与预期相关的声学神经网络表征作为教师目标，显著提升了基于脑电图（EEG）的音乐识别性能，证明了表征类型对下游任务的关键影响及神经编码指导表征学习的潜力。
The macaque IT cortex but not current artificial vision networks encode object position in perceptually aligned coordinates
该研究结合猕猴脑内记录与人类心理物理学实验，发现猕猴颞下皮层（IT）能像人类一样在感知坐标中编码物体位置并受运动后效影响，而当前的人工视觉网络虽能准确编码位置却无法复现这种依赖历史感知的空间编码特性。
Human Navigation Behaviour and Brain Dynamics in Real-world Contexts
本文综述了近年来关于真实世界情境下人类导航行为及其脑动态的研究，将其归纳为真实环境测试、日常生活追踪分析、虚拟环境模拟以及移动脑记录方法四大类，并展望了该领域的未来发展方向。
Miniaturized microscopes to study neural dynamics in freely-behaving animals
这篇综述文章回顾了头戴式微型显微镜（miniscopes）在过去二十年的快速发展，重点探讨了一光子和多光子技术的最新进展、其在自由活动动物神经科学研究中的独特优势、当前面临的技术挑战以及未来的发展方向。
Neural network-based encoding in free-viewing fMRI with gaze-aware models
该研究提出了一种结合眼动追踪数据的新型神经编码模型，通过在自然自由观看条件下仅采样与注视点相关的 CNN 特征，以远少于传统模型的参数量实现了对大脑视觉活动的高效预测，从而推动了更具生态效度的神经影像研究。
CITS: Nonparametric Statistical Causal Modeling for High-Resolution Neural Time Series
本文提出了名为 CITS 的非参数统计因果建模框架，通过结合任意马尔可夫阶的结构因果模型与滞后条件独立性检验，有效克服了现有方法在处理高分辨率神经时间序列数据时的局限性，并在模拟基准及小鼠大脑大规模记录中验证了其在识别刺激特异性因果通路和区域层级结构方面的卓越性能。
CytoNet: A Foundation Model for the Human Cerebral Cortex at Cellular Resolution
本文提出了 CytoNet，这是一种基于 4000 多张组织切片中 10 个死后人脑的 100 万个无标签图像块训练的基础模型，能够通过自监督学习将复杂的细胞模式编码为具有解剖学意义的特征表示，从而实现对人脑皮层微结构的可扩展分析，并建立细胞架构与宏观功能组织之间的联系。
Convex Efficient Coding
该论文通过优化表征相似性而非直接优化神经活动，构建了一类兼具可处理性与灵活性的凸优化理论框架，不仅证明了多种神经编码问题（包括半非负矩阵分解和非负稀疏编码）的凸性，还据此推导出了神经编码的可识别性、唯一性及 ON/OFF 通道编码策略等关键结论。
If Grid Cells are the Answer, What is the Question? A Review of Normative Grid Cell Theory
本文综述了网格细胞理论，论证了网格细胞作为一种生物可行、高保真且可非线性解码的位置编码，其核心功能是支持路径整合，并探讨了该成熟领域对神经计算规范理论及任务优化神经网络整合的启示。