跳到主要內容

發表文章

精選

Hippocampal Theta Sweeps:海馬迴如何指向導航目標?

https://app.notion.com/p/Hippocampal-Theta-Sweeps-3b6256561ff88028b83eeddfcc50b91e 傳統上,海馬迴的 theta sweep 被認為是在快速預演動物接下來可能經過的位置,但因為動物的頭部方向、移動方向與目標方向通常高度重疊,很難判斷 theta sweep 真正表示的是什麼。這篇研究利用 Honeycomb maze 將三種方向分開,並記錄 CA1 place cells。結果發現,theta sweep 最強烈地對齊 goal direction,其次才是 movement direction,而 head direction 最弱。即使老鼠正在側向或背離目標移動,theta sweep 仍會朝記憶中的目標延伸。 Figure 1:Honeycomb maze 與 theta sweep。 因此,theta sweep 更像是在每個 theta cycle 中建立:Current position→Remembered goal 而不是單純預測下一步移動方向。更重要的是,研究者發現正確導航選擇之前,theta sweeps 會更集中地指向目標;錯誤選擇前則較分散。即使控制 goal distance,結果仍然成立,表示 theta sweep 對目標方向的表示強度與後續導航表現有關。 Figure 2:正確選擇前的 goal bias。 為了解釋這個現象,作者建立了 **Continuous Attractor Network(CAN)**。Directional-cell attractor 同時接收 movement-related input 與 top-down goal-direction input,再將方向訊號轉換成 place-cell network 中的空間傳播。模型中: - Goal input 決定 sweep 主要方向; - Theta modulation 讓輸入強度週期性變化; - Firing-rate adaptation 抑制剛活化的神經元,使下一群神經元接續活化。 三者合作便能形成 goal-directed theta sweep。 Figure 3:Goal-directed CAN 模型。 此外,模型還預測:當老鼠朝目標移動時會出現典型 t...

最新文章

閉著眼睛,你怎麼知道自己的手在哪裡?讓 5600 個神經網路參加大逃殺,替大腦的「身體感」選出了標準答案

我們真的需要連續編碼嗎?

Izhikevich Neurons, Part 5: Post-inhibitory rebound

HitBack:以階層語意交叉注意力與背景對比實現弱監督語意分割

「儲層式運算 - 嘗試打開黑盒子 」類腦運算的解析 - Reservoir Computing 的任務分工與最小計算條件

機器人的「閃避本能」:科學家如何用會放電的神經網路,讓 AI 看懂「有東西正朝我飛來」?

蒼蠅沒有立體視覺,憑什麼能精準躲開你的手?

看似混亂的神經連接,如何支撐穩定的方向感?

神經元如何把一個訊號變成多重時間資訊

飛行中果蠅的躲避行為-掃視網路中扮演樞紐作用的神經元