多频表征相似性学习涌现出多维语义表征

当前关于语义表征的理论并未说明，细粒度的神经生理活动如何对应于多维语义信息的表征。通过应用一种创新性的多变量技术（表征相似性学习；representational similarity learning，RSL），我们检验了三种假设：（1）多维语义结构由单一频率范围表征（例如伽马频段/高伽马频段）；（2）每个语义维度分别在不同的频率范围内独立表征；以及（3）多维语义信息具有“跨频率”特性（即至少有一部分信息只有在同时考察多个频率时才会显现）。我们将RSL应用于从人类腹侧前颞叶（ventral anterior temporal lobe，vATL）表面皮层电图（electrocorticography，ECoG）网格电极中提取的时频功率和相位数据。结果发现，在广泛的频率范围（4–200 Hz）内，都能够显著解码具有梯度性的多维语义信息；然而，在单个频段内却无法实现显著解码。这一结果明确表明，多维语义信息是以跨频率的方式编码的。

当前的语义表征理论尚未明确细粒度的神经生理活动如何对应于多维语义信息的表征。通过应用一种创新性的多变量技术（表征相似性学习；representational similarity learning，RSL），我们检验了三种假设：（1）多维语义结构被表征于单一频率范围内（例如伽马频段/高伽马频段）；（2）每个语义维度分别独立地表征于不同的频率范围内；以及（3）多维语义信息具有“跨频率”特性（即至少有一部分信息只有在综合考虑多个频率时才会显现）。我们将RSL应用于从人类腹侧前颞叶（ventral anterior temporal lobe，vATL）表面皮层电图（electrocorticography，ECoG）网格电极中提取的时频功率和相位数据。结果显示，我们能够从4—200 Hz的宽频率范围内对具有梯度特征的多维语义信息进行显著解码，但无法从单个频带中解码出这些信息，这为多维语义信息以跨频率方式编码提供了明确证据。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.23.753859v1?rss=1

🏷️ 多维语义表征 表征相似性学习 跨频率神经编码 腹侧前颞叶 皮层电图 时频神经信号分析