谷歌、哈佛大学、HHMI Janelia研究所和拉德堡德大学的科学家们联合发布了，一项开创性的研究成果ZAPBench。
这是一个专门用于预测斑马鱼全脑活动的基准测试平台，并在2025年国际学习表征会议上发表，为神经科学和机器学习的交叉领域带来了新的突破。
在自然科学中，通过过去的观测来预测系统未来行为的能力是理解该系统的关键标准。从天体力学到气象学，预测能力一直是推动科学进步的重要力量。然而，对于复杂的生物系统——尤其是脊椎动物的大脑，预测其活动一直是极具挑战性的任务。
大脑由数十亿个神经元组成，这些神经元通过复杂的网络相互连接并传递信息。如何从海量的神经元活动中提取规律，并准确预测未来的活动状态，是神经科学和人工智能领域共同关注的焦点。
斑马鱼作为一种模式生物，因其透明的胚胎和幼体，以及相对简单的神经系统，成为了研究神经活动的理想模型。斑马鱼的幼体在发育过程中表现出多种行为模式，这些行为模式与神经活动密切相关。通过观察和分析斑马鱼的神经活动，科学家们希望能够揭示大脑活动的基本规律，并为人类大脑的研究提供参考。
ZAPBench的核心是一个数据集，包含了斑马鱼幼体大脑中超过70,000个神经元的4D光片显微镜记录。这些记录不仅捕捉了神经元的活动，还通过先进的后处理技术，包括运动稳定化和体素级细胞分割，为开发各种预测方法提供了便利。
ZAPBench的数据采集始于对斑马鱼幼体大脑的精细观察。实验中，一条6天大的斑马鱼被放置在一个虚拟现实环境中，经历了九种不同的视觉刺激条件。这些条件包括增益适应、随机点运动、闪光刺激、趋光性、转向行为、位置保持、开环运动、旋转刺激和黑暗条件，旨在诱发斑马鱼表现出不同的行为模式，从而记录其大脑中神经元的活动。
这些刺激条件的设计，不仅涵盖了斑马鱼在自然环境中可能遇到的各种视觉场景，还特别针对其神经系统的响应特性进行了优化，以确保能够全面捕捉神经活动的变化。
数据采集采用了光片荧光显微镜（LSFM）技术，这是一种能够以细胞级分辨率记录大脑活动的强大工具。通过快速移动的激光光片照亮大脑的薄平面，当神经元活动时，钙流入细胞会触发GCaMP蛋白发出荧光，从而间接测量大脑活动。然而，由于在记录过程中，斑马鱼的大脑会发生弹性变形，导致神经元的空间位置发生变化，研究人员开发了一种自定义的对齐流程。
他们估计了每一步的密集光流场，并使用弹性弹簧网格对这些光流场进行正则化，以校正每一帧的图像。此外，为了准确预测每个神经元的活动轨迹，研究人员使用深度学习方法对神经元细胞体进行了分割，并从对齐后的体积中提取了每个神经元的活动轨迹。这一过程不仅需要高度精确的图像处理技术，还需要对神经元的生理特性有深入的理解，以确保分割的准确性。
ZAPBench的基准测试任务是根据过去的神经元活动来预测未来的大脑活动。一种是基于较短时间（几秒）的上下文窗口进行预测；另一种是基于较长时间（几分钟）的上下文窗口进行预测。
预测的目标是在未来大约30秒内，预测出神经元的活动状态。为了评估预测模型的性能，研究人员采用了平均绝对误差（MAE）作为评价指标。MAE是一个常用的预测性能指标，它通过计算预测值与真实值之间的平均差异来衡量模型的准确性。
此外，研究人员还定义了两种简单的基线模型：一种是基于过去活动平均值的预测模型；另一种是基于刺激条件的预测模型。这些基线模型为评估其他预测模型的性能提供了参考。
