シミュレーションに基づく推論で脳機能の基盤モデルを反転させる試み

Abstract

脳活動の基盤モデルは、タスクやモダリティをまたいで複雑な刺激に対するニューラル応答をエミュレートすることで、シミュレーション上の神経科学に新たなフロンティアを切り拓くことを約束します。自然な次のステップは、これらのモデルを逆方向にも用いることができるかどうかを問うことです。合成した脳活動から、刺激やその特性を回復できるのでしょうか。本研究では、TRIBEv2を用いた概念実証の設定により、この問いを検討します。私たちは、脳エミュレータと、大規模言語モデル（LLM）を組み合わせます。LLMは、快-不快（valence）、覚醒（arousal）、支配性（dominance）といった言語的パラメータからニュース見出しを生成します。次に、シミュレーションに基づく推論を用いて、脳マップから潜在刺激パラメータへの確率的対応付けを学習します。その結果、これらのパラメータは予測された脳マップから回復でき、ニューラル符号化の質が検証されることを示します。また、LLMがシミュレーション実験のための制御可能な刺激生成器として機能し得ることも示します。これらの知見を合わせると、基盤脳モデルによるデコーディングおよび逆設計へ向けた一歩となります。