CAPT：支持钙群体动力学跨数据集与跨物种迁移的多任务连续自回归Transformer

大规模钙成像为构建神经群体动力学的基础模型式（foundation-style）模型创造了机会，但一个核心问题仍未解决：在一个记录集合上预训练的模型能否泛化到新的数据集、实验范式乃至物种。现有方法常为特定任务设计并在单一数据集上评估，其学到的表示能否复用于新的钙信号数据集并不清楚。为弥补这一缺口，我们提出CAPT，一个面向钙群体动力学的连续自回归群体Transformer（Continuous Autoregressive Population Transformer）。CAPT通过连续patch分词策略直接对连续钙信号建模，并以自回归方式训练，实现端到端预训练和对多样下游任务的适配。我们首先在大规模小鼠钙成像数据集上预训练CAPT，然后在不同实验室收集的独立小鼠、斑马鱼幼体和秀丽隐杆线虫（C. elegans）数据集上评估其可迁移性。在这些迁移设置中，预训练骨干被冻结，仅更新适配模块。在神经群体预测与行为解码任务上，CAPT持续优于专用与通用基线。除预测性能外，在C. elegans数据集上使用NeuroPAL标注的多模态分析显示，CAPT嵌入形成跨数据集的共享功能空间，并捕捉到与解剖学细胞身份相关的结构。这些结果表明，连续自回归建模为通向钙成像通用神经基础模型开辟了一条简单路径，这类模型可跨数据集、实验范式和物种泛化。代码发布于https://github.com/TSuXinH/CAPT。