核心概念
行動中のラットの神経活動は、物理シミュレーターで訓練された仮想ラットのネットワーク活動によってより良く予測できる。これは感覚運動系の領域が逆動力学を実装していることを示唆している。
摘要
本研究では、物理シミュレーターで動作する「仮想ラット」を構築し、深層強化学習によってラットの自由行動を模倣するように訓練した。この仮想ラットのネットワーク活動と、実際のラットから記録された神経活動を比較したところ、感覚運動線条体と運動野の神経活動は、実際のラットの運動特性よりも仮想ラットのネットワーク活動によってより良く予測できることが分かった。これは、これらの領域が逆動力学を実装していることを示唆している。さらに、仮想ラットのネットワークの潜在的な変動性は、行動間の神経変動の構造を予測し、最小介入原理に基づく最適フィードバック制御の頑健性を反映していることが明らかになった。この研究は、物理的に現実的な仮想動物モデルを使うことで、行動中の神経活動の構造を解釈し、運動制御の理論的原理と関連付けることができることを示している。
統計資料
感覚運動線条体と運動野の神経活動は、実際のラットの運動特性よりも仮想ラットのネットワーク活動によってより良く予測できる。
仮想ラットのネットワークの潜在的な変動性は、行動間の神経変動の構造を予測し、最適フィードバック制御の頑健性を反映している。
引述
「行動中のラットの神経活動は、物理シミュレーターで訓練された仮想ラットのネットワーク活動によってより良く予測できる」
「感覚運動線条体と運動野の神経活動は、逆動力学を実装していることを示唆している」
「仮想ラットのネットワークの潜在的な変動性は、行動間の神経変動の構造を予測し、最適フィードバック制御の頑健性を反映している」