BrainWideBench：对多区域神经记录中的大规模预训练和跨动物转移进行基准测试

大规模神经记录的进步使得收集许多动物和分布式大脑区域的数据成为可能，这就提出了一个问题：是否可以利用这种规模来学习可跨不同下游任务转移的通用神经表征。然而，实现这一目标的进展受到分散的评估协议和对单个任务领域的狭隘关注的限制。在这里，我们提出了 BrainWideBench，这是一个评估多区域神经记录跨动物转移的基准，该基准建立在国际大脑实验室 Brainwide Map 数据集上，该数据集涵盖了 139 只执行感官引导决策任务的小鼠的 276 个大脑区域的神经和行为记录。该基准测试围绕三个互补的任务套件进行组织，这些任务套件评估学习的表示是否支持下游行为解码，可以预测隐藏的或未来的神经活动，并且可以恢复具有生物学意义的解剖组织。通过这个基准，我们系统地评估跨转移设置的预训练方法，包括对下游目标的微调和对未见过的动物的零样本泛化。我们的结果证实预训练比匹配的单会话基线提高了性能，但我们表明当前的方法在传输能力方面表现出异质性：收益在很大程度上取决于预训练目标和下游任务之间的一致性。没有一种方法能够在所有三个套件中表现一致，并且大多数方法都旨在仅解决其中的一个子集。总之，这些发现表明，学习共同概括行为、动力学和解剖学的表征仍然是一个开放的挑战。通过提供统一且可重复的评估套件，BrainWideBench 建立了一个用于衡量小鼠大脑通用模型进展的框架。