Nat. Hum. Behav.速递：记忆建构和巩固的生成模型

关键词：记忆构建，生成模型，海马形成

论文题目：A generative model of memory construction and consolidation论文期刊：Nature Human Behaviour论文地址：https://www.nature.com/articles/s41562-023-01799-z斑图地址：https://pattern.swarma.org/paper/4a304c94-b6bc-11ee-bc79-0242ac17000e
情景记忆是被（重新）构建的，与想象力共享神经基质，将独特的特征与基于图式（schema）的预测相结合，并显示随着巩固而增加的基于图式的扭曲。这项研究提出一个计算模型，其中（来自自联想网络的）海马回放训练生成模型（变分自编码器），通过海马形成（hippocampal formation），来从内嗅皮层、内侧前额叶皮层和前外侧颞叶皮层的潜在变量表示中（重新）创建感觉体验。
研究中将巩固建模为生成模型的训练，通过海马回放期间的“师生学习”（teacher–student learning）对记忆进行初始自联想编码。巩固发生后的回忆是一个由代表事件间共同结构的图式介导的生成过程，与其他形式的场景构建或想象力一样。该模型基于：（1）关于生成模型和巩固之间关系的研究，（2）使用变分自编码器来建模海马形成，以及（3）抽象的以物为中心的潜在变量是从空间认知中以自我为中心的感觉表示中学习的观点。
模拟显示了记忆年龄和海马损伤的影响，与以前的模型一致，但也提供了语义记忆、想象力、情景未来思维、关系推理和基于图式的扭曲（包括边界扩展）的机制。该模型解释了记忆中独特的感觉和可预测的概念元素如何通过有效地结合海马和新皮质系统来存储和重建，优化了利用海马对新颖和不寻常信息的有限存储。总的来说，研究认为，海马回放训练生成模型提供了一个关于记忆构建、想象力和巩固的全面解释。
图1. 模型的基本结构
图2. 扩展模型的结构
图3. 生成模型中的学习、关系推理和想象
图4. 生成模型显示出基于图式的扭曲

编译｜梁金

计算神经科学读书会

详情请见：计算神经科学读书会启动：从复杂神经动力学到类脑人工智能

‍推荐阅读1. Cell经典回顾：机器学习模型揭示大脑怎样整合空间记忆与关系记忆2. Nat. Commun. 速递：视觉情景记忆个体差异的神经功能基础3. Cell 子刊同期上线两篇来自浙江大学的研究，解码学习记忆的新机制4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程5. 加入集智学园VIP，一次性获取集智平台所有内容资源6. 加入集智，一起复杂！

点击“阅读原文”，报名读书会