Neural stochastic dynamics of perceptual decision making

Abstract

Models computacionals basats en xarxes a gran escala d'inspiració neurobiològica permeten descriure els correlats neurals de la decisió observats en certes àrees corticals com una transició entre atractors de la xarxa cortical. L'estimulació provoca un canvi en el paisatge d'atractors que afavoreix la transició entre l'atractor neutre inicial a un dels atractors associats a les eleccions categòriques. El soroll present en el sistema introdueix indeterminació en les transicions. En aquest treball mostrem l'existència de dos mecanismes de decisió qualitativament diferents, cadascun amb signatures psicofísiques diferenciades. El mecanisme que apareix a baixes intensitats, induït exclusivament pel soroll, dóna lloc a temps de decisió distribuïts asimètricament, amb una mitjana dictada per l'amplitud del soroll.A més, tant els temps de decisió com el rendiment psicofísic són funcions decreixents de l'estimulació externa. També proposem dos mètodes, un basat en l'aproximació macroscòpica i un altre en la teoria de la varietat central, que simplifiquen la descripció de sistemes estocàstics multistables.

Computational models based on large-scale, neurobiologically-inspired networks describe the decision-related activity observed in some cortical areas as a transition between attractors of the cortical network. Stimulation induces a change in the attractor configuration and drives the system out from its initial resting attractor to one of the existing attractors associated with the categorical choices. The noise present in the system renders transitions random. We show that there exist two qualitatively different mechanisms for decision, each with distinctive psychophysical signatures. The decision mechanism arising at low inputs, entirely driven by noise, leads to skewed distributions of decision times, with a mean governed by the amplitude of the noise. Moreover, both decision times and performances are monotonically decreasing functions of the overall external stimulation. We also propose two methods, one based on the macroscopic approximation and one based on center manifold theory, to simplify the description of multistable stochastic neural systems.