Neural-DISCO：神经群体活动的源条件反事实编辑

Neural-DISCO 是一个用于神经活动反事实建模的解耦表征学习框架，支持在保留原始变异的同时，选择性编辑行为或刺激标签并预测神经反应。该框架将隐空间划分为标签特异性成分与残差隐空间，在模拟和真实神经数据中生成反事实活动。结合特征归因方法，它还在单神经元分辨率下增强了对功能细胞角色的识别，代码已开源。