通过基于模拟的推理反转大脑功能的基础模型

大脑活动的基础模型通过模拟跨任务和模式对复杂刺激的神经反应，为计算机神经科学开辟了新的前沿。自然的下一步是询问这些模型是否也可以反向使用。我们可以从合成的大脑活动中恢复刺激或其特性吗？我们使用 TRIBEv2 在概念验证设置中研究这个问题。我们将大脑模拟器与 大语言模型 (LLM) 配对，后者根据效价、唤醒度和优势等语言参数生成新闻标题。然后，我们使用基于模拟的推理来学习从大脑图到潜在刺激参数的概率映射。我们的结果表明，这些参数可以从预测的大脑地图中恢复，这证明模拟器的合成神经编码保留了有关受控刺激维度的信息。他们还表明，LLM 可以作为模拟实验的可控刺激发生器。总之，这些发现为利用基础大脑模型进行解码和逆向设计迈出了一步。