Intrinsic neural timescales shape memory encoding and retrieval
Notice bibliographique
Résumé
Historically, different memory processes like encoding and retrieval have been distinguished. However, recent models emphasize their continuum across the shorter and longer timescales of encoding and retrieval while, at the same time, both are featured by distinct cognitive demands. The exact neural mechanisms connecting and, at the same time, differentiating encoding and retrieval across their multiple timescales remain yet unclear, though. Using EEG, we here measure the brain's Intrinsic neural timescales (INT) by the autocorrelation window (ACW) during encoding and retrieval of memory. Our main findings are: (i) direct behavioral connection of encoding (spatial fit judgment of the pictures) with those of retrieval (precision, false alarms, accuracy); (ii) a clear state-dependent neural differentiation, with longer ACW during encoding (temporal integration) and shorter ACW during retrieval (temporal segregation), a distinction not observed for another dynamic measure, the power-law exponent (PLE); (iii) high trait-like stability of ACW, with an individual's ACW remaining strongly correlated across rest, encoding, and retrieval states; and (iv) this stable, trait-like ACW (but not its state-dependent modulation) robustly predicts memory performance, with longer trait ACW correlating with higher accuracy and precision and fewer false alarms. Together, we demonstrate that the brain's INT both connect and differentiate encoding and retrieval on both neural and behavioral grounds. This supports and extends current dynamic, e.g., temporal, models of memory by showing the key relevance of the brain's INT (as measured by the ACW) in shaping encoding and retrieval.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».