通过误差调制塑性在生物学可信的放电网络中实现“是什么”和“何时”的联合编码

大脑通过内部模型来预测未来事件，这些模型不仅指定事件将发生什么，还指定何时发生以及以何种概率发生。我们将这种对身份、时序和概率的联合规定称为完整的预测对象。现有计算模型通常单独捕获身份和时序，或忽略概率作为显式表示维度，或依赖生物学上不可信的全局学习规则。本文表明，单个放电神经元群体可以通过生物学 grounding 的学习获取和灵活维持完整的预测对象。我们实现了一个具有异构仿真-维尼奇放电储库的网络，通过误差调制、注意力门控的三因子 Hebbian 规则进行训练，并在独立操控事件身份、延迟和概率的任务上进行测试。网络发展出时间锁定的anticipatory活动，其�幅随结果概率而变化，并在时序或概率统计发生变化时快速适应。身份和时序分量在共享神经群体中自组织成近正交的读出子空间，表明在无解剖模块化或全局误差广播的情况下，多维预测结构可以涌现。与最小二乘方法相比，局部门控塑性实现了在非平稳条件下的稳定重校准。这些结果表明，皮层混合选择性群体，结合受神经调制子调控的突触塑性，可能足以在单个回路中联合编码和更新身份、时序和概率。灵活的预测认知因此可能源于由局部学习规则塑造的通用群体动力学，而非来自专门的预测模块。