研究团队提出神经活动反事实建模框架Neural-DISCO并开源代码

2026年10月27日，研究团队在arXiv发布论文，提出名为Neural-DISCO的解耦表征学习框架，用于神经群体活动的反事实建模。该框架通过将隐空间划分为标签特异性成分与残差隐空间，能够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。实验表明，Neural-DISCO可成功在模拟与真实神经数据中生成反事实神经活动；同时，结合特征归因方法，该框架还在单神经元分辨率下增强了对功能细胞角色的识别能力。目前，该项目的相关代码已对外开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。