bioRxiv（Neuroscience）· Il Memming Park·2026-10-12 08:00· 13 天前AI 评分50

PALDI：面向多稳态神经动力学的闭环刺激主动辨识方法

Beyond the attractor: closed-loop stimulation design for learning multistable neural dynamics

AI 导读

研究人员提出 PALDI（基于规划的主动潜在动力学辨识），将扩展卡尔曼状态预测、单步 Laplace 状态更新、分块高斯参数更新与有限时域规划结合，用于在闭环神经实验中主动选择刺激以辨识非线性动力学。

AI 要点

团队

作者 Il Memming Park，预印本发表于 bioRxiv 神经科学。

主要结果

在双稳态 Wilson-Cowan 模型上，PALDI 接近真实模型参考，观测信噪比降低或读出几何有偏时仍最强；在脉冲决策网络中留出预测 R2 中位数 0.90，其模型在识别策略中改变主意成功率最高。

解决什么问题

闭环神经实验中刺激需从含噪脉冲计数中选择，且神经活动可能停留在局部吸引子附近，难以获取揭示未知动力学的信息。

方法

提出 PALDI，结合扩展卡尔曼状态预测、单步拉普拉斯状态更新、分块高斯参数更新与有限时域规划；与固定输入、短视策略及 FLEX、好奇心采样两种主动基线比较。

局限

从研究设计看，验证基于双稳态 Wilson-Cowan 模型和脉冲决策网络，后者用简化动力学与观测模型近似数据生成过程，非真实神经实验。

AI 依据原文整理，未经人工核对。