集団レベルの測定は、霊長類の下側頭葉皮質（IT）における物体表現を、滑らかで低次元的であり、深層ニューラルネットワーク（DNN）によって予測可能なものとして描き出す。しかし、このような構造化された集団レベルの描像が、それを構成する個々のニューロンの全多様性を代表しているかどうかは不明である。ここでは、Neuropixels 2.0プローブを用いて、fMRIで局在したマカク前方ITの顔パッチから、よく分離された多数のユニットを記録した。サルは3,000枚を超える自然画像を見ていた。単一ユニットの応答は、マルチユニット活動（MUA）よりも大幅に疎で、かつより不均一であった。疎なニューロンは集団としてより高次元の符号を形成し、効率的な画像同定を支え、広く調整されたニューロンよりも後になって応答した。疎性の一部とは独立して、いくつかのニューロンは信頼できる特徴のランダム性を示した。すなわち、それらの刺激嗜好は繰り返し提示に対して再現可能である一方で、DNNの特徴空間にまたがって不連続であり、試行ごとの応答変動やノイズを反映するものではなかった。これらのニューロンは、同じ顔パッチ内に位置していながら、周辺の集団とはほとんど相関していなかった。対照的に、MUAの応答はより密で、より相関しており、より低次元であり、DNNによってよりよく予測された。以上の結果は、前方ITにおける二重符号化アーキテクチャを示唆する。共有された低次元構造はカテゴリの一般化を支える一方で、疎で、しかも信頼できる特徴ランダムな単一ニューロン応答は、表現空間を拡張し、個々の視覚入力に対する効率的な同定を支える。したがって、応答の疎性と信頼できる特徴ランダム性は、物体認識のための基本的な計算資源を構成しうる。
https://doi.org/10.64898/2026.08.25.746485