ハイブリッドSNN-ANNアルゴリズムを使用したニューラルスパイクと行動の双方向クロスデイアラインメント
Binjie Hong1,2, Zihang Xu1,2, Tengyu Zhang3
1Center for Excellence in Brain Science and Intelligence Technology, State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Institute of Neuroscience, Chinese Academy of Sciences, Shanghai, China.
Frontiers in neuroscience
|February 20, 2026
まとめ
AlignNetは,脳信号と行動を日ごとに並べることで,ニューラルデコーディングを強化します. この新しいフレームワークは,セッションインヴァリアント表現を学習することによって,クロスデイニューラルインターフェースアプリケーションを改善します.
科学分野:
- 神経科学は神経科学である.
- ディープラーニング (Deep Learning) とは,ディープラーニング (Deep Learning) を意味する.
- 計算神経科学とは
背景:
- ディープラーニングは,電気脳波 (EEG) 信号を効果的に解釈します.
- 侵襲的な脳信号は,非静止性と表現の漂移により,クロスデイニューラル解読とシミュレーションで課題に直面しています.
研究 の 目的:
- ニューラルスパイクパターンと行動セマンティクス間のクロスモダルのアラインメントのための新しいフレームワークであるAlignNetを紹介します.
- 代表的なドリフトに対処することによって,強固なクロスデイニューラルデコーディングとシミュレーションを可能にします.
主な方法:
- AlignNetは,表現学習のためのハイブリッドのスパイキングニューラルネットワーク-人工ニューラルネットワーク (SNN-ANN) オートエンコーダーを使用しています.
- Uベースのアーキテクチャは,共有された潜在空間にニューラルスパイクと行動をコードし,セッション不変の機能のためのコントラスティブオブジェクトで最適化されます.
- マルチセッションデータを用いたプレトレーニング戦略が採用され,その後にタスク固有の微調整が行われます.
主要な成果:
- AlignNetは,単日およびクロスデイのニューラルデコーディングおよびシミュレーションタスクの両方で優れたパフォーマンスを示しています.
- 前もって訓練されたAlignNetモデルは,微調整後のデコーディングとシミュレーションを効果的に実行します.
- ハイブリッドSNN-ANN表現は,行動的な意味論を保持しながら,複数日の記録の間の時間的な一貫性を示します.
結論:
- AlignNetは,クロスデイニューラルデコーディングとシミュレーションのための堅牢なソリューションを提供します.
- このフレームワークは,信頼性と適応性の高いクロスデイニューラルインターフェースアプリケーションの開発を進めています.
- セッション不変の機能学習は,異なる録音セッションの間のニューラルデコーディングを一般化するために重要です.
