Rarely categorical, highly separable representations along the cortical hierarchy

ABSTRACT

中文摘要

神经科学中一个长期争论是：单个神经元是否会组织成功能上彼此不同、并以不同方式编码信息的群体，即分类式表征，以及这种组织对神经计算意味着什么。本文系统分析了复杂任务中 43 个皮层区域的神经元如何编码认知、感觉和运动变量，数据来自 International Brain Laboratory 公开 Brainwide Map 数据集的 14,000 多个单元，并研究这些属性如何沿感觉—认知皮层层级变化。作者发现，神经编码的结构具有尺度依赖性。在全皮层尺度上，神经选择性呈分类式组织，并以反映区域解剖连接的方式分布；但在单个脑区内部，分类式表征很少见且主要局限于初级感觉区，神经元响应反而高度多样。通过理论论证和经验证据，作者证明神经响应的多样性能够产生高维表征，从而带来高可分性，使线性读出可以用许多任意方式区分实验条件。事实上，在控制每个脑区实际编码的信息后，所有皮层区域都表现出最大可分性。结果表明，皮层回路优先保留多样性而不是分类结构，从而支持一种面向高维、高可分神经表征的计算模式。