大脑数字孪生：多模态数据驱动研究方法揭秘视觉皮层响应机制 | Nature

本文介绍了休斯敦贝勒医学院神经科学与人工智能中心等机构在Nature上发表的研究，探讨了如何构建一个基础模型来预测小鼠视觉皮层的神经元对新刺激的反应。研究背景指出，神经回路的复杂性使得解析大脑的智能算法具有挑战性，现有深度学习模型在泛化到新任务时表现不佳。研究方法包括数据收集、模型架构设计和训练过程，其中模型包含透视模块、调制模块、核心模块和读出模块。实验设计覆盖了14个小鼠的视觉皮层神经元活动记录，结果显示模型在新刺激领域的预测准确性出色，并能将神经元的功能特性与其解剖学特性联系起来。总体结论认为，该基础模型推动了系统神经科学的发展，未来可扩展到更复杂的行为和多模态数据研究。