谷歌、哈佛大學、HHMI Janelia研究所和拉德堡德大學的科學家們聯合發布了，一項開創性的研究成果ZAPBench。

這是一個專門用于預測斑馬魚全腦活動的基準測試平臺，并在2025年國際學習表征會議上發表，為神經科學和機器學習的交叉領域帶來了新的突破。

在自然科學中，通過過去的觀測來預測系統未來行為的能力是理解該系統的關鍵標準。從天體力學到氣象學，預測能力一直是推動科學進步的重要力量。然而，對于復雜的生物系統——尤其是脊椎動物的大腦，預測其活動一直是極具挑戰性的任務。

大腦由數十億個神經元組成，這些神經元通過復雜的網絡相互連接并傳遞信息。如何從海量的神經元活動中提取規律，并準確預測未來的活動狀態，是神經科學和人工智能領域共同關注的焦點。

斑馬魚作為一種模式生物，因其透明的胚胎和幼體，以及相對簡單的神經系統，成為了研究神經活動的理想模型。斑馬魚的幼體在發育過程中表現出多種行為模式，這些行為模式與神經活動密切相關。通過觀察和分析斑馬魚的神經活動，科學家們希望能夠揭示大腦活動的基本規律，并為人類大腦的研究提供參考。

ZAPBench的核心是一個數據集，包含了斑馬魚幼體大腦中超過70,000個神經元的4D光片顯微鏡記錄。這些記錄不僅捕捉了神經元的活動，還通過先進的后處理技術，包括運動穩定化和體素級細胞分割，為開發各種預測方法提供了便利。

ZAPBench的數據采集始于對斑馬魚幼體大腦的精細觀察。實驗中，一條6天大的斑馬魚被放置在一個虛擬現實環境中，經歷了九種不同的視覺刺激條件。這些條件包括增益適應、隨機點運動、閃光刺激、趨光性、轉向行為、位置保持、開環運動、旋轉刺激和黑暗條件，旨在誘發斑馬魚表現出不同的行為模式，從而記錄其大腦中神經元的活動。

這些刺激條件的設計，不僅涵蓋了斑馬魚在自然環境中可能遇到的各種視覺場景，還特別針對其神經系統的響應特性進行了優化，以確保能夠全面捕捉神經活動的變化。

數據采集采用了光片熒光顯微鏡（LSFM）技術，這是一種能夠以細胞級分辨率記錄大腦活動的強大工具。通過快速移動的激光光片照亮大腦的薄平面，當神經元活動時，鈣流入細胞會觸發GCaMP蛋白發出熒光，從而間接測量大腦活動。然而，由于在記錄過程中，斑馬魚的大腦會發生彈性變形，導致神經元的空間位置發生變化，研究人員開發了一種自定義的對齊流程。

他們估計了每一步的密集光流場，并使用彈性彈簧網格對這些光流場進行正則化，以校正每一幀的圖像。此外，為了準確預測每個神經元的活動軌跡，研究人員使用深度學習方法對神經元細胞體進行了分割，并從對齊后的體積中提取了每個神經元的活動軌跡。這一過程不僅需要高度精確的圖像處理技術，還需要對神經元的生理特性有深入的理解，以確保分割的準確性。

ZAPBench的基準測試任務是根據過去的神經元活動來預測未來的大腦活動。一種是基于較短時間（幾秒）的上下文窗口進行預測；另一種是基于較長時間（幾分鐘）的上下文窗口進行預測。

預測的目標是在未來大約30秒內，預測出神經元的活動狀態。為了評估預測模型的性能，研究人員采用了平均絕對誤差（MAE）作為評價指標。MAE是一個常用的預測性能指標，它通過計算預測值與真實值之間的平均差異來衡量模型的準確性。

此外，研究人員還定義了兩種簡單的基線模型：一種是基于過去活動平均值的預測模型；另一種是基于刺激條件的預測模型。這些基線模型為評估其他預測模型的性能提供了參考。