MétaCan
Menu
Retour à la cohorte
Enregistrement W4311820532 · doi:10.1101/2022.12.15.520640

Vector production via mental navigation in the entorhinal cortex

2022· preprint· en· W4311820532 sur OpenAlexfundno aff
Sujaya Neupane, Ila Fiete, Mehrdad Jazayeri

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental HealthFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaMcGovern Institute for Brain Research, Massachusetts Institute of TechnologyNational Institutes of Health
Mots-clésPath integrationCognitive mapHebbian theoryAttractorSensory systemComputer scienceEntorhinal cortexSpatial cognitionArtificial intelligenceCognitionTask (project management)PsychologyNeurosciencePattern recognition (psychology)Artificial neural networkMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract A cognitive map is a suitably structured representation that enables an agent to perform novel computations using prior experience, for instance planning a new route in a familiar space 1,2 . Recent work in mammals has found direct evidence for such structured representations in the presence of exogenous sensory inputs in both spatial 3,4 and non-spatial domains 5–15 . Here, we test a foundational postulate of the original cognitive map theory 1,16 that cognitive maps are recruited endogenously during mental navigation without external input. We recorded from the entorhinal cortex of monkeys in a mental navigation task that required animals to use a joystick to produce one-dimensional vectors between pairs of visual landmarks without sensory feedback about the intermediate landmarks. Animals’ ability to perform the task and generalize to new pairs indicated that they relied on a structured representation of the landmarks. Task-modulated neurons exhibited periodicity and ramping that matched the temporal structure of the landmarks. Neuron pairs with high periodicity scores had invariant cross-correlation structure, a signature of grid cell continuous attractor states 17– 19 . A basic continuous attractor network model of path integration 20 augmented with a Hebbian learning mechanism provided an explanation of how the system endogenously recalls landmarks. The model also made an unexpected prediction that endogenous landmarks transiently slow down path integration, reset the dynamics, and thereby, reduce variability. Remarkably, this prediction was borne out of a reanalysis of behavior. Together, our findings connect the structured activity patterns in the entorhinal cortex to the endogenous recruitment of a cognitive map during mental navigation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,041
Tête enseignante GPT0,268
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetMemory and Neural MechanismsTravaux en français237 207