2024年6月11日，哈佛大学等机构的研究人员在 Nature 期刊发表了题为A virtual rodent predicts the structure of neural activity across behaviors的文章。
动物对自己的身体有着精湛的控制能力，因此能够做出各种行为。然而，大脑是如何实现这种控制的仍不清楚。要加深我们的理解，就需要建立模型，将控制原理与行为动物的神经活动结构联系起来。
为此，该研究建立了一个 "虚拟啮齿动物"，由人工神经网络在物理模拟器中驱动生物力学逼真的大鼠模型。研究人员使用深度强化学习 来训练虚拟代理模仿自由移动的老鼠的行为，从而使其能够将记录在真实老鼠身上的神经活动与模仿其行为的虚拟啮齿动物的网络活动进行比较。研究人员发现，虚拟啮齿动物的网络活动比真实老鼠的任何运动特征都能更好地预测感觉运动纹状体和运动皮层的神经活动，这与这两个区域都执行反动力学是一致的。此外，网络的潜在可变性预测了神经在不同行为中的可变性结构，并以符合最佳反馈控制的最小干预原则的方式提供了稳健性。
这些结果表明，对生物力学逼真的虚拟动物进行物理模拟，有助于解释不同行为的神经活动结构，并将其与运动控制的理论原则联系起来。
