El modelo de base de la actividad neuronal predice la respuesta a nuevos tipos de estímulos

Área de la Ciencia:

• La neurociencia
• Inteligencia artificial
• Neurociencia computacional

Sus antecedentes:

• La complejidad de los circuitos neuronales dificulta la comprensión de los algoritmos de inteligencia del cerebro.
• Los modelos de aprendizaje profundo simulan la actividad cerebral pero luchan con la generalización.
• Los modelos de fundación ofrecen capacidades de generalización avanzadas.

Objetivo del estudio:

• Desarrollar y evaluar un modelo básico para predecir las respuestas neuronales en la corteza visual.
• Evaluar las capacidades de generalización del modelo a nuevos sujetos y tipos de estímulo.
• Explorar la capacidad del modelo para predecir las propiedades celulares y estructurales de la actividad neuronal.

Principales métodos:

• Recogió datos de actividad neuronal a gran escala de las corteza visual del ratón.
• Entrenó a un modelo básico en estímulos de video naturales.
• Generalización del modelo probado en ratones nuevos, dominios de estímulo (movimiento, ruido) y el conjunto de datos MICrONS.

Principales resultados:

• El modelo de base predijo con precisión las respuestas neuronales a videos naturales arbitrarios.
• El modelo se generalizó a nuevos ratones con un mínimo de reentrenamiento.
• Predijo con éxito respuestas a diversos estímulos y tipos de células anatómicas, características dendríticas y conectividad neuronal.

Conclusiones:

• Los modelos de fundación representan un paso significativo hacia el modelado integral del cerebro.
• Este enfoque puede revelar regularidades estadísticas en grandes conjuntos de datos de neurociencia multimodales.
• Los modelos de la Fundación prometen una investigación acelerada a través de una rápida adaptación a las nuevas tareas y datos.