雙K黨報告

這個周二很神奇，Kenneth Harris跑來我們系給了個報告，聽完以後我緊接著又跑去聽Konrad Kording的job talk。

Harris的報告主要圍繞著他們最新的13,000+神經元同步鈣成像，研究了小鼠在複雜的自然圖片刺激下視皮層的神經活動。有意思的地方是，這個研究和之前Gao and Ganguli的那篇綜述有著聯繫。那篇文章說的是刺激信號/行為複雜度決定了神經活動的複雜度（對於神經網路的複雜度並沒有很好的具象概念，在這裡只是指相空間維度，還是線性相空間），推論是要想真正把神經網路功能推到可以一窺究竟的地步，得用更複雜的行為實驗。

在報告中，Harris的實驗第一部分可以說對這個說法做了一些推廣，他得到的結論是神經活動相空間維度隨著圖片（自然視覺刺激）的數目增加而增加，在有限的實驗刺激中，可靠的估計是1000+維，並且上不封頂；同樣的結論在增加分析的神經元個數上也成立。不過之後我老闆找我聊他的報告時，其實覺得大家都知道神經信號recode，但是這部分實驗結果並沒有給出具體的recode規則（這也正常，這麼些年其實誰都沒有辦法給出對於這個規則的靠譜推斷）。報告結束後的提問環節，其實Greenside也提問，潛台詞是問有沒有具體想法這個recode可能在哪個方面，說有沒有發現比如相空間里有某些attractor，Harris給出的答案是目前沒有，解釋是鈣成像太慢（但這並不是有沒有attractor的原因啊親）。不過我思考的是（並沒有發現有人問），假設同一批神經元，其相空間維度/複雜度隨輸入複雜度變化，那麼不同複雜度的時候，規則究竟有沒有變，換句話說，我們找的「神經編碼的意義」在不同行為的時候究竟是不是一樣的？如果變了，那真的就是context dependent coding，那tm還搞個p啊，你得窮盡所有可能情況才能得到一個coding library（省略無限字吐槽）；不過如果沒有變，誒，就是如果我們有能力，反解coding後得到一套相同的規則，那麼即使維度更高更複雜，也是有機會找到解的（畢竟解空間得到了很好的限制）。稍微推廣一點就是，如何找到神經信號在相似行為變換下的不變數（究竟是不是相空間呢還不好說）。雖然不太了解主流研究領域有沒有這方面的嘗試（除了猴子研究我知道是有些的，比如M Churchland），不過這幾年也看到有一些不那麼主流的科研人員對此做了一些拋磚引玉的工作（暫不引用）。

Harris第二部分的內容可以說更加有意思一些，他在同樣的實驗數據下，研究了自發神經活動的內容。以往大家覺得，自發活動可能（一定）編碼了一些靜息態的刺激信號，或者是反映了一些結構性的信息，而刺激誘導的神經活動主要編碼了刺激信號。Harris用相同的方法研究發現，自發神經活動根本木有編碼刺激信號，反而只是編碼了一些行為狀態，比如呼吸或者清醒狀態，而神經元內在相空間維度也最高封頂在50。 而如果把這種基底性質的自發活動剔除，得到的純刺激信號和自發活動僅有的一點微弱相關性也蕩然無存（以前大家總說有微弱相關，Harris直接上random simulation，發現比以前發現的弱相關還強那麼一丟丟）。這也提供證據指出自發神經活動正交於刺激信號空間。這個概念是個大好事啊，我們算各種系統就希望有正交的變數出現啊，然後就可以對角化，解耦合......關於類似概念在理論神經科學的應用，還是有一票數學家做了些不錯的工作的（我就暫時提一下C Hillar吧：如何學到新的記憶？一個attractor network結構里加上新的正交attractor，可加無窮多，所以以前的attractor又不太會被影響）。

（Harris報告）

轉場Kording的報告，說的都是一些比較熟悉的東西（但是並沒有提火遍arxiv的那幾篇綜述/preview文章），而且我去晚了站在後面看不到啥東西。總的來說除了運動控制，他們主要是發掘有趣又重要的問題，然後從方法論上推進；還發現他們組還在做已發表論文的圖片造假/重複的挖掘工作。不知道他最後會去哪，要是跑我們這......畫面太美不敢想(? -? ?)。

參考：沒出處；另外有些細節記得不一定準確（不記筆記的結果）。
推薦閱讀：