通过在小鼠中学习的多尺度神经动力学中的因果意识涌现
神经元与认知
2025-09-16 v1
摘要
意识跨越宏观体验与微观神经活动，而将两者联系起来仍具有挑战性。主流理论（如集成信息理论）侧重单一尺度，忽略了因果力量及其动力学如何在尺度之间展开。进展受限于稀缺的跨尺度数据以及难以量化多尺度因果性和动力学的问题。本文提出一种机器学习框架，从小鼠背侧皮层的近细胞分辨率钙成像数据中推断多尺度因果变量及其动力学。在较低层次，变量主要聚合输入驱动的信息，而在更高层次，变量通过在清醒时出现的 metastable 或 saddle-point 动力学来实现因果性，在麻醉时则坍缩为局部随机动力学。一个一维的顶层意识变量捕获了大部分因果力量，然而来自其他尺度的变量也贡献了相当大的比例，导致意识状态中出现的高度涌现复杂性。综上，这些发现提供了一个将神经活动与意识状态联系起来的多尺度因果框架。
引用
@article{arxiv.2509.10891,
title = {Causal Emergence of Consciousness through Learned Multiscale Neural Dynamics in Mice},
author = {Zhipeng Wang and Yingqi Rong and Kaiwei Liu and Mingzhe Yang and Jiang Zhang and Jing He},
journal= {arXiv preprint arXiv:2509.10891},
year = {2025}
}