NEURRATOR (神经叙述器) - 从单个神经元活动生成自然语言描述的框架,实现单细胞分辨率视觉语义叙述
Scanned 9/11/2026
Install to Claude Code
npx -y skills add hiyenwong/ai_collection --skill neurrate-neural-semantic-narration --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Neurrate Neural Semantic Narration?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/hiyenwong-neurrate-neural-semantic-narration-ai-collection)More formats (shields.io, HTML) on the badges page.
---
name: neurrate-neural-semantic-narration
description: NEURRATOR (神经叙述器) - 从单个神经元活动生成自然语言描述的框架,实现单细胞分辨率视觉语义叙述
version: 1.0.0
category: neuroscience
tags: [neural-encoding, single-neuron, natural-language, clip, multimodal, mouse-visual-cortex]
arxiv: 2606.18667
activation_words: [神经元叙述, neurator, 单细胞分辨率, 神经编码, 视觉语义, CLIP嵌入, Neuropixel]
---
# NEURRATOR: Neural Semantic Narration at Single-Cell Resolution
## Core Concept
**从单个神经元活动生成自由形式自然语言叙述** - 开创性框架将神经脉冲活动解码为对观看场景的自然语言描述,实现单神经元分辨率级别的语义表征理解。
## Key Innovation
1. **学习编码器**: 将任意神经元子集的脉冲序列映射到CLIP patch-embedding空间
2. **冻结多模态LLM**: 从CLIP嵌入生成自然语言描述
3. **稀疏自编码器验证**: 无语言端训练,纯视觉驱动
4. **分子定义细胞类型**: 从遗传标记的抑制性细胞类型解码视觉贡献
## Technical Architecture
```python
# 核心架构
class NEURRATOR:
def __init__(self):
self.spike_encoder = SpikeToCLIPEncoder() # 脉冲→CLIP嵌入
self.multimodal_llm = FrozenCLIPLLM() # 多模态语言模型
self.sae_validator = SparseAutoencoder() # SAE验证
def narrate(self, spike_trains, neuron_subset):
# 1. 编码脉冲到CLIP空间
clip_embeddings = self.spike_encoder(spike_trains, neuron_subset)
# 2. LLM生成描述
description = self.multimodal_llm.generate(clip_embeddings)
# 3. SAE验证语义一致性
validated = self.sae_validator.validate(description)
return validated
```
## Experimental Results
- **数据集**: Neuropixel记录的小鼠视觉皮层(自然电影观看)
- **规模**: 从数千神经元到单神经元叙述
- **应用**: 量化解码保真度与群体大小和皮质区域的关系
- **发现**: 分子定义的抑制性细胞类型贡献特定视觉特征
## Biological Insight
**"神经叙述" (Neurration)** - 将细胞身份从分类目标转变为视觉系统的功能性探针,提供神经系统中生物学见解的新单位。
## Methodology Steps
1. **数据准备**: Neuropixel多通道记录 + 自然电影刺激
2. **编码器训练**: 学习脉冲→CLIP嵌入映射
3. **叙述生成**: 多模态LLM生成自然语言描述
4. **SAE验证**: 稀疏自编码器验证语义一致性
5. **细胞类型分析**: 遗传标记细胞的功能贡献量化
## Implementation Notes
- CLIP patch-embedding空间作为视觉语义表示
- 无需语言端训练数据
- 支持任意神经元子集组合
- 适用于分子定义的细胞类型探针
## Applications
- 单神经元功能表征
- 细胞类型特异性解码
- 视觉系统信息流分析
- 神经编码语义理解
## References
- arXiv:2606.18667 (2026-06-17)
- Authors: Arnau Marin-Llobet, Richard Hakim, Sara Matias, Venkatesh N. Murthy, Na Li, Demba Ba
- Primary Category: q-bio.NC (Neural and Cognitive Computing)Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!