学习使用湍流气味云预测目标位置
摘要：通过动物行为和神经记录，我们发现大脑能够测量气味的强度和气味出现的时间。然而，究竟是气味强度还是气味出现的时间对嗅觉驱动的行为更具信息性还不清楚。为了解决这个问题，我们考虑使用目标释放的气味来定位目标的问题。我们询问通过短时间采样气味的强度和时间测量是否最能准确预测目标的位置。为了回答这个问题，我们向机器学习算法提供准确的气味传输数值模拟数据，让其学习如何将气味与目标位置联系起来。我们发现，无论从几米远的距离还是从气味在空间中稀释的程度来看，强度和时间都可以单独预测目标位置；然而，它们的有效性因气味在空间中的稀释程度而异。因此，使用不同范围的嗅觉的生物可能需要在不同的模式之间切换。这对大脑如何表示目标靠近时的气味具有重要意义。我们演示了通过修改气味采样和适当组合不同的测量方法来提高预测的准确性和稳健性的简单策略。为了测试预测结果，应该在动物相对于目标移动时或模拟浓缩稀释环境的虚拟条件下监测动物行为和气味表示。
作者：Nicola Rigolli, Nicodemo Magnoli, Lorenzo Rosasco, Agnese Seminara
论文ID：2106.08988
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-06-17