- 3 次围观
持续的技术进步将带来记录到的神经元数量不断增加，而试验次数可能只会小幅增长。对此类大规模数据的分析日益依赖于提取神经群体的集体几何结构。这些记录与分析趋势共同提出了一项根本需求：建立一种关于实验设计的预测性理论，能够通过从过去较小规模的记录进行外推，告诉我们在未来包含更多神经元和更多试验的大规模记录中，我们将能够以多高的精度推断这种几何结构。 我们为提取群体几何结构的最简单且最广泛使用的方法——主成分分析——推导出了这样一种理论。我们的理论能够预测：随着神经元数量和试验次数的增加，神经数据的维度将如何增长，以及神经元相关性和群体几何结构中的单个神经模态将具有多高的准确性与可靠性。重要的是，我们发现了一种“维度的福祉”现象，即记录更多神经元可以使我们在更少试验次数下准确推断群体几何结构。对于更大规模记录而言，对更少试验次数的需求将使设计具有更多样化试验类型的新实验成为可能。 此外，我们还推导了神经预测性能的标度律，为进一步推导神经科学中基础模型的标度律奠定了基础。我们在多种物种和不同记录模态上成功检验了该理论。
用于从大规模记录中推断神经元群体几何的实验设计预测理论 | bioRxiv
跳转至主要内容 首页 关于 投稿 提醒 / RSS 搜索该关键词 高级搜索 最新结果
用于从大规模记录中推断神经元群体几何的实验设计预测理论
查看 ORCID 个人资料 Itamar Daniel Landau， Gabriel C Mel， 查看 ORCID 个人资料 Daniel J O'Shea， 查看 ORCID 个人资料 Mark J Schnitzer， Surya Ganguli
doi： https://doi.org/10.64898/2026.07.19.739385
Itamar Daniel Landau 1 斯坦福大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者 Itamar Daniel Landau 的 ORCID 记录
通讯作者： idlandau{at}stanford.edu
Gabriel C Mel 2 CRG 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者
Daniel J O'Shea 1 斯坦福大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者 Daniel J O'Shea 的 ORCID 记录
Mark J Schnitzer 1 斯坦福大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者 Mark J Schnitzer 的 ORCID 记录
Surya Ganguli 1 斯坦福大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本站搜索该作者
摘要 信息/历史 指标 补充材料 预览 PDF
摘要
持续的技术进步将带来可记录神经元数量的不断增加，而试验次数可能仅会小幅增长。对此类大规模数据的分析正日益依赖于提取神经元群体的集体几何结构。这些记录与分析趋势的结合，提出了一项根本需求：建立一种实验设计的预测理论，能够通过从以往较小规模记录中外推，告诉我们在未来具有更多神经元和更多试验次数的更大规模记录中，我们将能够以多高的精度推断此类几何结构。我们为提取群体几何结构最简单且使用最广泛的方法——主成分分析——推导出了这样一种理论。我们的理论能够预测：随着神经元数量和试验次数的增加，神经数据的维度将如何增长，以及神经元相关性和群体几何结构中的各个神经模态将具有怎样的准确性与可靠性。重要的是，我们发现了一种“维度之福”，即记录更多神经元能够使群体几何结构在更少试验次数下被准确推断。在更大规模记录中对较少试验次数的需求，将有助于设计具有更多样化试验类型的新实验。此外，我们还推导了神经预测性能的标度律，为神经科学中基础模型标度律的推导奠定了基础。我们在多种物种和多种记录模态上成功检验了这一理论。
利益冲突声明
作者声明不存在竞争性利益。
版权
本预印本的。 本文依据 CC-BY-NC-ND 4.0 国际许可协议提供。
返回顶部 上一篇 下一篇
发表于 2026 年 7 月 23 日。 下载 PDF 补充材料 电子邮件
您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或用逗号分隔。
您将要发送电子邮件的内容如下 用于从大规模记录中推断神经元群体几何的实验设计预测理论
邮件主题 （您的姓名）已从 bioRxiv 转发了一个页面给您
邮件正文 （您的姓名）认为您会希望看到 bioRxiv 网站上的这个页面。
您的个人留言
验证码
此问题用于测试您是否为人工访客，并防止自动垃圾信息提交。
分享 用于从大规模记录中推断神经元群体几何的实验设计预测理论
Itamar Daniel Landau， Gabriel C Mel， Daniel J O'Shea， Mark J Schnitzer， Surya Ganguli
bioRxiv 2026.07.19.739385； doi： https://doi.org/10.64898/2026.07.19.739385
分享本文： 复制
引文工具 用于从大规模记录中推断神经元群体几何的实验设计预测理论
Itamar Daniel Landau， Gabriel C Mel， Daniel J O'Shea， Mark J Schnitzer， Surya Ganguli
bioRxiv 2026.07.19.739385； doi： https://doi.org/10.64898/2026.07.19.739385
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.19.739385v1?rss=1
🏷️ 神经群体几何 主成分分析 实验设计理论 神经数据维度 标度律