序列

图1|人脑前颞叶群体爆发中的神经元序列编码关于视觉类别和实例的信息。

这些脉冲中神经元放电的具体序列编码了关于这些图像的类别和实例相关信息，补充了神经编码中已确立的放电率的作用。

我们深入研究了部分收集的数据集，寻找检测和解码序列编码的方法。

我们还试图确定这些神经元序列编码的信息是否与视觉刺激开始后放电率变化所编码的信息不同。

我们实现了首个1.5亿参数的针对完整基因组序列的生成式大语言模型，我认为是一个从0到1的工作。

我们的问题是神经元序列是否编码语义信息，这一问题源于临床限制、以前的实验、大流行病和一个偶然发现。

我们旨在调查这些神经元序列是否足以表示每个图像的更广泛分类类别（如“动物”、“物体”和“人”）以及选定类别内的个体实例（例如，“人”类别中的特定个体）的信息。

它是一种AI系统，可以根据蛋白质的氨基酸序列预测其三维结构。

(B)AlphaFold使用来自蛋白质数据库的信息训练自己，从氨基酸序列中预测蛋白质的三维结构。

(C)我们还使用了MSA（多个序列比对）训练AlphaFold，MSA是基于不同生物体中具有相似功能的蛋白质的氨基酸序列比对集合，这些具有相似功能的蛋白质理论上应该具有相似的结构。

在AlphaGo于2016年取得成就后不久，我们组建了一个团队，开始致力于根据蛋白质的氨基酸序列预测其结构。

多序列比对（MSA）：来自不同生物体的蛋白质的氨基酸序列，这些蛋白质由于具有相似的功能，应该具有相似的结构。

蛋白质折叠问题：1960年代提出的一个科学问题，探讨如何根据蛋白质的氨基酸序列预测其三维结构。

这意味着不同生物体中所有携氧蛋白质在进化过程中可能保持相似的三维结构，即使它们的基础氨基酸序列发生了变化。

因此，我们使用了包含蛋白质序列的开放数据库（图2B）来构建我们所称的多序列比对（MSA，图2C）。

顺序至关重要：人脑神经元编码信息序列方式顺序至关重要：人脑神经元编码信息序列方式精选

尽管我们的数据仅限于检查大约100个同时记录的神经元的活动，但随着技术的进步使得能够记录更大规模的神经元群体，神经元序列在编码信息中的贡献可能会被揭示为更加相关。

描述神经元序列在更广泛的人类认知功能中的角色，并开发方法操纵顺序神经元活动以影响认知，仍然是未来研究的重要方向。

此外，我们的数据强调了这些神经元序列在离散的群体脉冲爆发期间的信息编码功能。

此外，我们的数据还表明，旨在模拟人脑计算效率的人工系统可以从纳入神经元序列作为编码信息的补充和协同神经代码中受益——与脉冲率一起3。

此外，这些群体爆发中的神经元序列并不仅仅反映了单个神经元对刺激开始的不同脉冲潜伏期。

这些神经元序列在参与者完成视觉分类任务时传递高阶视觉信息，涵盖类别和实例的层次结构（图1）。

这些神经元序列捕获的信息与放电率变化捕获的信息不完全相同。

之前来自动物大脑接收感觉信息区域的证据表明，在刺激开始后离散爆发的群体脉冲中出现的神经元序列可以代表基本的刺激特征。

然而，一组细胞中神经元的特定时间顺序—称为神经元序列—可能提供一个强大且互补的神经编码来捕获信息。

然而，尚不清楚这样的神经元序列如何在人脑中帮助编码信息，特别是在被称为联合皮层的区域，这些区域被认为涉及更高级别的认知，如语义知识（关于概念如何相互关联的知识）。

由于神经元可以以多种组合安排它们的脉冲相对时间，神经元序列可以使用仅有的几个脉冲来编码复杂信息。

下一个问题是为什么要开发针对DNA序列的大语言模型？

我们知道人类的语言是一种序列信息，而生命的语言DNA也是一种序列信息。

此外，我们的数据还表明，旨在模拟人脑计算效率的人工系统可以从纳入神经元序列作为编码信息的补充和协同神经代码中受益——与脉冲率一起3。

我们的结果强调了神经元脉冲序列在支持人类认知的信息表示中的作用。

我们的问题是神经元序列是否编码语义信息，这一问题源于临床限制、以前的实验、大流行病和一个偶然发现。