多尺度信息几何揭示神经群体中互信息的结构
神经元与认知
2026-05-08 v1
摘要
理解神经群体响应如何表征感觉信息是系统神经科学的核心问题。一种方法是在刺激空间上定义表征几何，其中距离反映了从神经活动中可靠区分刺激的程度。然而，这些距离的不同构造方式可能导致关于神经编码的定性不同结论。在此，我们表明，从支配距离如何随刺激分辨率通过粗粒化丢失的第一性原理出发，会涌现出一种独特的黎曼表征几何。这产生了 Fisher 信息度量的多尺度扩展，捕获了从精细刺激细节到粗略全局区分的编码结构。所得几何与群体编码的互信息精确相关：编码良好的刺激方向——即对互信息贡献更大的方向——被扩张，而编码不佳的方向被收缩。该度量张量可以使用扩散模型进行估计，使得该框架适用于大型神经群体和高维刺激。应用于对自然图像的视觉皮层响应时，度量张量的特征向量识别出对信息传输贡献最大的刺激变化，产生了对建模选择具有鲁棒性的可解释特征。总之，这些结果为表征神经群体代码提供了一个有原则的、基于信息论的框架。
引用
@article{arxiv.2605.06304,
title = {A multi-scale information geometry reveals the structure of mutual information in neural populations},
author = {Simone Azeglio and Steeve Laquitaine and Ulisse Ferrari and Matthew Chalk},
journal= {arXiv preprint arXiv:2605.06304},
year = {2026}
}