Inferring the evolution of functional connectivity over learning in large-scale neural recordings using low-tensor-rank recurrent neural networks

使用低张量秩递归神经网络推断大规模神经记录中功能连接学习的演变

基本信息

  • 批准号:
    BB/Y513957/1
  • 负责人:
  • 金额:
    $ 24.8万
  • 依托单位:
  • 依托单位国家:
    英国
  • 项目类别:
    Research Grant
  • 财政年份:
    2024
  • 资助国家:
    英国
  • 起止时间:
    2024 至 无数据
  • 项目状态:
    未结题

项目摘要

Humans and other animals can learn to perform complex and adaptive behaviours based on limited experience. Understanding the neural basis of learning is a key challenge in systems neuroscience and artificial intelligence (AI) that could lead to novel treatments for neurological disorders and enable the development of AI systems that learn with human-like efficiency. Thus, significant effort and funding is currently being invested to understand how neural circuits reorganise during learning to improve performance in various cognitive, perceptual, and motor tasks, both in academic research organisations and private companies such as Google DeepMind.Recent advances in neural recording technologies enable the activity of thousands of neurons to be tracked simultaneously at millisecond precision, and stably over days, so that neural activity can be surveyed over the entire course of learning. Through careful analysis of these recordings, scientists hope to determine how changes in the underlying neural circuit support improvements in task performance. In particular, learning is thought to modify the strength of connections between neurons, which leaves a functional signature that can be detected via the coordinated activity of interconnected groups of neurons. However, during learning, many other changes also take place, including changes in motor behaviour, attention, and sensory input, all of which may influence the activity of the recorded neurons. Thus, a key challenge is to disentangle the learning-related changes in recorded neural activity from those arising from sensory, motor, and internal state variables which covary with learning. The proposed project will develop novel methodologies for analysis of large-scale neural recordings to address this need.
人类和其他动物可以根据有限的经验学习执行复杂且适应性的行为。了解学习的神经基础是系统神经科学和人工智能 (AI) 领域的一个关键挑战,它可能会带来神经系统疾病的新疗法,并促进开发具有类似人类学习效率的人工智能系统。因此,学术研究组织和 Google DeepMind 等私营公司目前正在投入大量精力和资金来了解神经回路在学习过程中如何重组,以提高各种认知、知觉和运动任务的表现。 神经记录技术的最新进展能够以毫秒精度同时跟踪数千个神经元的活动,并在数天之内稳定地进行跟踪,从而可以在整个学习过程中调查神经活动。通过对这些记录的仔细分析,科学家希望确定底层神经回路的变化如何支持任务绩效的提高。特别是,学习被认为可以改变神经元之间的连接强度,从而留下可以通过相互连接的神经元组的协调活动来检测的功能特征。然而,在学习过程中,还会发生许多其他变化,包括运动行为、注意力和感觉输入的变化,所有这些都可能影响记录的神经元的活动。因此,一个关键的挑战是将记录的神经活动中与学习相关的变化与与学习相关的感觉、运动和内部状态变量引起的变化分开。拟议的项目将开发新的方法来分析大规模神经记录,以满足这一需求。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Angus Chadwick其他文献

Learning and attention increase visual response selectivity through distinct mechanisms
学习和注意力通过不同的机制增加视觉反应选择性
  • DOI:
    10.1016/j.neuron.2021.11.016
  • 发表时间:
    2021-02-01
  • 期刊:
  • 影响因子:
    16.2
  • 作者:
    Jasper Poort;K. Wilmes;Antonin Blot;Angus Chadwick;M. Sahani;C. Clopath;T. Mrsic;S. Hofer;Adil G. Khan
  • 通讯作者:
    Adil G. Khan
Flexible theta sequence compression mediated via phase precessing interneurons
通过相位进动中间神经元介导的灵活θ序列压缩
  • DOI:
    10.7554/elife.20349
  • 发表时间:
    2016-11-17
  • 期刊:
  • 影响因子:
    7.7
  • 作者:
    Angus Chadwick;Mark C. W. van Rossum;M. Nolan
  • 通讯作者:
    M. Nolan
Independent Theta Phase Coding Accounts for CA 1 1 Population Sequences and Enables Flexible Remap-2
独立的 Theta 相位编码考虑了 CA 1 1 群体序列并支持灵活的 Remap-2
  • DOI:
  • 发表时间:
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Angus Chadwick;M. V. Rossum;M. Nolan
  • 通讯作者:
    M. Nolan
Low Tensor Rank Learning of Neural Dynamics
神经动力学的低张量秩学习
  • DOI:
    10.48550/arxiv.2308.11567
  • 发表时间:
    2023-08-22
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Arthur Pellegrino;Alex Cayco;Angus Chadwick
  • 通讯作者:
    Angus Chadwick
Modelling phase precession in the hippocampus
模拟海马体的相位进动
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    2.4
  • 作者:
    Angus Chadwick;Mark C. W. van Rossum;M. Nolan
  • 通讯作者:
    M. Nolan

Angus Chadwick的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

相似国自然基金

稻属基因组翻译调控的上游开放阅读框和功能性终止密码子通读事件的鉴定及比较进化研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
基于种子功能性状研究栎属青冈栎组植物的适应性进化
  • 批准号:
    31901217
  • 批准年份:
    2019
  • 资助金额:
    19.0 万元
  • 项目类别:
    青年科学基金项目
不同地理类型杉木功能性状的适应性进化与资源配置权衡
  • 批准号:
    31971674
  • 批准年份:
    2019
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目
中国被子植物功能性状的系统发育保守性研究
  • 批准号:
    31870506
  • 批准年份:
    2018
  • 资助金额:
    60.0 万元
  • 项目类别:
    面上项目
基于功能性状与环境需求研究蕨类植物适应性的进化
  • 批准号:
    31800450
  • 批准年份:
    2018
  • 资助金额:
    26.0 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

Restoring Dexterous Hand Function with Artificial Neural Network-Based Brain-Computer Interfaces
利用基于人工神经网络的脑机接口恢复灵巧手功能
  • 批准号:
    10680206
  • 财政年份:
    2023
  • 资助金额:
    $ 24.8万
  • 项目类别:
Human gene duplications in neurodevelopment and disease
神经发育和疾病中的人类基因重复
  • 批准号:
    10803027
  • 财政年份:
    2023
  • 资助金额:
    $ 24.8万
  • 项目类别:
The context-dependent role of Caveolin-1 as a driver of cellular adaptation in Ewing Sarcoma
Caveolin-1 作为尤文肉瘤细胞适应驱动因素的背景依赖性作用
  • 批准号:
    10662162
  • 财政年份:
    2023
  • 资助金额:
    $ 24.8万
  • 项目类别:
Early detection and identification of ventilator associated pneumonia
呼吸机相关性肺炎的早期发现和识别
  • 批准号:
    10663534
  • 财政年份:
    2023
  • 资助金额:
    $ 24.8万
  • 项目类别:
Mechanisms of SARS-CoV-2 pathogenesis during HIV/SIV infection
HIV/SIV 感染期间 SARS-CoV-2 的发病机制
  • 批准号:
    10685195
  • 财政年份:
    2023
  • 资助金额:
    $ 24.8万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了