論文の概要: Coherence in the brain unfolds across separable temporal regimes
- arxiv url: http://arxiv.org/abs/2512.20481v2
- Date: Wed, 24 Dec 2025 12:51:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-25 13:34:31.959375
- Title: Coherence in the brain unfolds across separable temporal regimes
- Title（参考訳）: 脳のコヒーレンスは、分離可能な時間的状態にわたって展開する
- Authors: Davide Stauba, Finn Rabe, Akhil Misra, Yves Pauli, Roya Hüppi, Ni Yang, Nils Lang, Lars Michels, Victoria Edkins, Sascha Frühholz, Iris Sommer, Wolfram Hinzen, Philipp Homan,
- Abstract要約: 言語におけるコヒーレンスには、脳が競合する2つの時間的要求を満たす必要がある。
我々は、コヒーレンスを、文脈統合の遅い解離可能なニューラルレシエーションと、イベント駆動の迅速な再構成によって実現していることを示す。
- 参考スコア（独自算出の注目度）: 1.3874648807526748
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Coherence in language requires the brain to satisfy two competing temporal demands: gradual accumulation of meaning across extended context and rapid reconfiguration of representations at event boundaries. Despite their centrality to language and thought, how these processes are implemented in the human brain during naturalistic listening remains unclear. Here, we tested whether these two processes can be captured by annotation-free drift and shift signals and whether their neural expression dissociates across large-scale cortical systems. These signals were derived from a large language model (LLM) and formalized contextual drift and event shifts directly from the narrative input. To enable high-precision voxelwise encoding models with stable parameter estimates, we densely sampled one healthy adult across more than 7 hours of listening to thirteen crime stories while collecting ultra high-field (7T) BOLD data. We then modeled the feature-informed hemodynamic response using a regularized encoding framework validated on independent stories. Drift predictions were prevalent in default-mode network hubs, whereas shift predictions were evident bilaterally in the primary auditory cortex and language association cortex. Furthermore, activity in default-mode and parietal networks was best explained by a signal capturing how meaning accumulates and gradually fades over the course of the narrative. Together, these findings show that coherence during language comprehension is implemented through dissociable neural regimes of slow contextual integration and rapid event-driven reconfiguration, offering a mechanistic entry point for understanding disturbances of language coherence in psychiatric disorders.
- Abstract（参考訳）: 言語におけるコヒーレンス(coherence)は、2つの競合する時間的要求を満たすことを要求する。
言語と思考の中心性にもかかわらず、これらのプロセスが自然主義的聴取中に人間の脳にどのように実装されるかは、まだ不明である。
ここでは、これらの2つのプロセスが、注釈のないドリフトとシフト信号によって捕捉可能かどうか、そして、それらの神経表現が大規模な皮質系で解離するかどうかを検証した。
これらの信号は、大きな言語モデル(LLM)と形式化された文脈ドリフトと、物語入力から直接イベントシフトから導出された。
安定パラメータ推定モデルを用いた高精度なボクセルエンコーディングを実現するため,超高磁場(7T)BOLDデータを収集しながら,13件の犯罪記事の聴取時間7時間以上にわたって,健常成人1人を密集した。
次に、独立なストーリーで検証された正規化符号化フレームワークを用いて、機能インフォームドな血行動態応答をモデル化した。
デフォルトモードのネットワークハブではドリフト予測が一般的であったが, 一次聴覚野と言語関連皮質ではシフト予測が両側に認められた。
さらに、デフォルトモードと頭頂部のネットワークにおける活動は、物語の過程でどのように意味が蓄積され、徐々に消えていくかを捉えた信号によって最もよく説明された。
これらの結果から,言語理解におけるコヒーレンス(コヒーレンス)は,精神疾患における言語コヒーレンス(言語コヒーレンス)の障害を理解するための機械的エントリポイントを提供する,緩やかな文脈統合と素早いイベント駆動的再構成の解離可能な神経機構によって実現されていることが示唆された。
関連論文リスト
- A Convolutional Framework for Mapping Imagined Auditory MEG into Listened Brain Responses [0.0]
脳磁図(MEG)データセットを,音楽的・詩的な刺激を想像し,聴くように訓練したミュージシャンから収集した。
脳の反応と知覚の両方が、一貫した、条件特異的な情報を含んでいることを示す。
論文 参考訳（メタデータ） (2025-12-03T05:23:10Z) - Far from the Shallow: Brain-Predictive Reasoning Embedding through Residual Disentanglement [43.96899536703126]
現代の大規模言語モデル(LLM)は、言語に対する神経反応をモデル化するためにますます使われている。
彼らの内部表現は極めて「絡み合っている」ものであり、語彙、構文、意味、推論に関する情報を混ぜている。
この絡み合いは、言語学的に浅い特徴に対する従来の脳のコード解析に偏っている。
論文 参考訳（メタデータ） (2025-10-26T22:46:26Z) - Chronological Thinking in Full-Duplex Spoken Dialogue Language Models [66.84843878538207]
時系列思考は、完全なSDLMの応答品質を改善することを目的としている。
追加のレイテンシがない: ユーザが話すのをやめると、エージェントは考えるのをやめ、それ以上の遅延なしに話し始める。
結果: 客観的指標と人的評価の両面から, 時系列思考の有効性を示す実験を行った。
論文 参考訳（メタデータ） (2025-10-02T10:28:11Z) - Mechanistic Understanding and Mitigation of Language Confusion in English-Centric Large Language Models [56.61984030508691]
言語混乱に関する最初の機械論的解釈可能性研究について述べる。
混乱点(CP)がこの現象の中心であることを示す。
比較分析によって同定された少数の臨界ニューロンを多言語で調整したニューロンで編集すると、混乱が著しく軽減されることがわかった。
論文 参考訳（メタデータ） (2025-05-22T11:29:17Z) - Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [83.15653194899126]
神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。
現在のVSNベースのNCD検出法は主にボトムアップ、刺激駆動認知プロセスと密接に結びついている言語マイクロ構造に焦点を当てている。
本稿では,話題の時間的変化を追跡する動的トピックモデル(DTM)と,物語と視覚刺激の相互整合性を測定するテキスト画像時間アライメントネットワーク(TITAN)の2つの新しいマクロ構造手法を提案する。
論文 参考訳（メタデータ） (2025-01-07T12:16:26Z) - Developmental Predictive Coding Model for Early Infancy Mono and Bilingual Vocal Continual Learning [69.8008228833895]
本稿では,連続学習機構を備えた小型生成ニューラルネットワークを提案する。
我々のモデルは解釈可能性を重視し,オンライン学習の利点を実証する。
論文 参考訳（メタデータ） (2024-12-23T10:23:47Z) - Bridging Auditory Perception and Language Comprehension through MEG-Driven Encoding Models [0.12289361708127873]
脳磁図(MEG)データを用いて、音声言語刺激に対する脳反応を解析する。
我々は,音声-MEGエンコーダとテキスト-MEGエンコーダの2つの異なる符号化モデルを開発した。
どちらのモデルも神経活動の予測に成功し、推定されたMEG信号と観測されたMEG信号の間に有意な相関を示す。
論文 参考訳（メタデータ） (2024-12-22T19:41:54Z) - Decoding Continuous Character-based Language from Non-invasive Brain Recordings [33.11373366800627]
本研究では,単心的非侵襲的fMRI記録から連続言語を復号する手法を提案する。
文字ベースのデコーダは、固有の文字構造を特徴とする連続言語の意味的再構成のために設計されている。
被験者間での単一の試行から連続言語を復号化できることは、非侵襲的な言語脳-コンピュータインタフェースの有望な応用を実証している。
論文 参考訳（メタデータ） (2024-03-17T12:12:33Z) - Decoding speech perception from non-invasive brain recordings [48.46819575538446]
非侵襲的な記録から知覚音声の自己教師付き表現をデコードするために、コントラスト学習で訓練されたモデルを導入する。
我々のモデルでは、3秒のMEG信号から、1,000以上の異なる可能性から最大41%の精度で対応する音声セグメントを識別できる。
論文 参考訳（メタデータ） (2022-08-25T10:01:43Z) - Mechanisms for Handling Nested Dependencies in Neural-Network Language
Models and Humans [75.15855405318855]
我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。
ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。
我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
論文 参考訳（メタデータ） (2020-06-19T12:00:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。