概要
このページはマインドアップロード研究のマップです。いきなり結論に向かうのではなく、何を測定するか、何を再構築するか、実行方法、検証方法の順序で整理します。実際には測定→再構築→導入→検証→社会展開まで現場の現状を可視化.
P/M/R/I/V/D 表記法とその依存関係構造についての初心者向けの説明が必要な場合は、Wiki: ロードマップの読み方 から始めてください。本文は辞書というより地図に近いので、サポートガイドが役立ちます。
このページは理論エッセイというよりは、質問間の依存関係のマップです。クレーム レベルのエントリ ポイントは WBE 101 で、理論と限界に関する長文の議論は リサーチ ノート で、設計原則は Perspective</a> 内の フレームワーク セクションにあります。理論ページ全体を 1 ページで表示するには、Wiki: 理論ページ閲覧ガイド を参照してください。 </p> </div>
アイデンティティに関する質問は、このロードマップの V5、V7、M7、R5、および関連ノードに及びます。記憶、価値観、学習、分岐、縦方向の連続性についてどのように考えるかを事前に整理したい場合は、Wiki: Identity Evaluation and Continuity Tests から始めてください。
特定の日の状態、比較的安定した特性、学習や更新によって生じるドリフトは同じものではありません。まず短期的な変動と長期的な継続性の違いを整理したい場合は、Wiki: State、Trait、および Drift を参照してください。
安全な更新、分岐処理、停止ルール、キル スイッチの違いが不明瞭な場合は、「Wiki: 更新、分岐、停止ルール」から始めてください。ロードマップは問題を指摘しています。 Wiki には操作の基本が記載されています。
何かが「リアルタイム」と呼ばれる場合でも、その難しさは、遅延、ジッター、エンドツーエンドのリターン、および安全停止をどのように測定するかによって異なります。この区別に関する初心者向けのエントリ ポイントについては、Wiki: 閉ループ、レイテンシー、ジッター、および安全停止 を参照してください。
R シリーズでは、分岐点は配線図だけでなく、細胞の種類、固有の興奮性/恒常性の設定値、シナプス効率、遅延と髄鞘形成、神経調節、グリアの処理方法も含まれます。これらの状態変数が欠落しているときにどの主張が失敗するかを一次文献から確認したい場合は、Wiki: Why a Connectome Is Not Enough および Wiki: 恒常性可塑性と維持状態 を参照してください。
このロードマップでは、人間のルートがどの変数クラスを制約する だけでなく、 そのルートがどのように特殊化されているか、またはモデルが多用されているかが であることも区別されるようになりました。サイトの現在のルールは、単純な 3 軸ラダーよりも厳格です。行ごとの proxy クラス / 運用の成熟度 / キャリブレーターの役割 は、 コホート / 生理学的体制の互換性 および row の堅牢性 / 可用性の開示 のバンドルレベルのチェックと組み合わせる必要があります。玄関用はしごの場合は、WBE 101: 人間の可観測性はしご から始めます。スタック固有の上限と停止ルールについては、Wiki: 測定スタック および Verification: 可観測性バジェット による可観測性と要求上限を参照してください。引数がライブ測定を後の固定 / ex vivo フォローアップまたは日をまたぐ再取得にも橋渡しする場合は、same-subject または same-brain を same-state として読み取る代わりに、Verification: State-Continuity Bridge Card および Wiki: State-Continuity Bridge を追加します。デフォルト。
このページでは、各ノードにまだ不足しているものを示す短いステータス ラベルを使用します。 部分的に解決済み、探索的、まだ標準化されていない、未完成のそれぞれの意味を明確にしたい場合は、Wiki: 部分的解決策、探索段階、および未完成領域の読み取りから始めてください。
ロードマップは L0 ～ L5 のすべてをカバーしているため、次の公開ページは現在どのレベルを検査するかによって異なります。クレーム レベル別の 1 ページのルート マップについては、Wiki: Reading Routes By L0-L5 Level を参照してください。
ロードマップ、測定、再構築、実装、検証、社会展開の後にどこに進むべきかを 1 ページで確認したい場合は、Wiki: ロードマップ後の 5 つのルート を参照してください。
最初に修正すべき 3 つのこと
- このページの役割: は結論を宣言するのではなく、各質問の所在を修正することです。
- このページでできること: 順序と依存関係を付けて現在の研究問題を整理します。
- このページだけではできないこと:アイデンティティや意識に関する最終的な問題がすでに解決されていることを証明することはできません。
| シンボル | グループ化するもの | 次の場合は最初にお読みください... |
|---|---|---|
| P | 進歩の定義。何が成功とみなされるかを決定します。 | 技術的な議論に入る前に目標に合わせて調整したいと考えています。 |
| M | 測定。何がどのくらいの精度で観測できるのかをカバーします。 | EEG、fMRI、侵襲的測定、および関連するモダリティの違いから始めたいと考えています。 |
| R | 再構築。観測から推定できることを網羅しています。 | あなたは、逆問題、潜在状態、因果モデル、または不確実性に興味があります。 |
| I | 実装。モデルがどのように動作し、どこで壊れるかについて説明します。 | 閉ループ、レイテンシー、計算負荷、または安全設計を検査したい。 |
| V | 検証。進歩のために何を測定する必要があるか、何が失敗としてカウントされるかをカバーします。 | ベンチマーク、因果関係テスト、同一性に関する質問、または複製基準が必要です。 |
| D | 展開。権利、同意、公平性、セキュリティをカバーします。 | あなたは技術層を超えて運用と組織まで読み込みたいと考えています。 |
使用方法
このページは本ではなく、研究全体の状況をまとめた マップ です。まず質問ツリーを読んでから、学習順序に従って各ノードを深めていきます。ここで重要な操作ルールは 2 つだけです。 (1) ソース リンクを保持する および (2) 暫定または不確実なままのものを明示的にマークする .
2026-03 文献監査: 測定、特定、介入の 3 つの壁
この再監査では、このロードマップの M3 (空間粒度)、M6 (介入設計)、R7 (識別可能性)、および V2 (因果関係テスト) の更新に焦点を当てました。理由は簡単です。WBE に関する技術的な議論で最もよくある誤解は、 観測値の増加 を 状態の完全性 と読むこと、 予測パフォーマンスの向上 を 独自の解決策の取得 と読むこと、 1 つの介入の導入 を 因果関係の完了と読むことです。検証。次の 3 つは、2026 年 3 月の時点で一次文献によって比較的一貫して支持されている下限です。
| 壁 | 一次文献で現在サポートされている内容 | このページの改訂ポリシー |
|---|---|---|
| 測定粒度壁 | EEG / MEG はグローバルな電流場測定を提供し、fMRI は血行動態のプロキシを提供するため、人間において非侵襲的に得られるものは基本的に肉眼的観察です。対照的に、Dorkenwald et al. (2024) および MICrONS コンソーシアムら。 (2025) 人間の脳全体の状態完全な測定ではなく、モデル生物と局所皮質における構造と機能の対応を進歩させます。 | M3では「直接目に見えるものと潜在的に残るもの」が粒度ごとに固定されており、構造的な足場と状態の完全性が分けて書かれています。 |
| 識別性の壁 | HD-EEG/ESI の直接検証は進んでいますが、Seeber et al. (2019)、Unnwongse et al。 (2023)、および Hao et al。 (2025) は、内部状態の一般的な一意の回復ではなく、局所的なエラーの条件付きの検出可能性と監査可能性を実証しています。結論は、線源の深さ、伝導率の仮定、頭部モデル、刺激条件に応じて変わります。 | R7 は、予測可能性、位置特定、同一性を別個のレベルとして定義し、家族比較と棄権条件を必要とします。 |
| 介入検証壁 | TMS-EEG、フェーズロック刺激、適応型 DBS、および BCI 閉ループはすべて強力な証拠ルートですが、Hernandez-Pavon らによると、 (2023)、Zrenner et al。 （2018）、およびウィルソンら。 (2010) によると、刺激部位、強度、マスキング、アーティファクト ウィンドウ、および待ち時間/ジッターの測定値が固定されていない限り、比較は失敗します。したがって、介入の証拠は二値ではなく階層化されます。 | M6 および V2 では、受動的観測、ホールドアウト摂動、オンライン ループ、局所的因果介入、および長期閉ループを段階的に実行し、リクエスト ログを明示的にします。 |
したがって、このロードマップでは、「」「`It's enough because it's multimodal''PH12X, PH13X``It's unique because it's highly accurate''PH14X, and PH15X`」「刺激されたから因果関係がある」「」の 3 つの短絡は許可されません。主張が強ければ強いほど、WBEに近づくほど、測定粒度、候補モデル空間、介入設計、失敗時の棄権を早く公表する必要がある。
更新された測定スタック Wiki では、頭蓋内検証後も EEG / MEG が深部信号源に対して条件付きのままである理由、および血行動態の振幅が血管移動と自律神経状態の交絡によって制限されたままである理由が明らかになりました。直接検証の数値と結果の上限については、Wiki: EEG / MEG の可視性、逆数、および検証 Wall および Wiki: 血行動態伝達 Wall を参照してください。
インデックス (キーワード → QA)
用語から該当のQAへ直接ジャンプできます。 QA-ID は括弧内にあります。本文側にも同じアンカーが付いています。
まず、「クイックインデックス」を使用して目的の用語に移動し、次に「カテゴリ別QAインデックス」を使用して周囲のノードを横断します。
クイックインデックス
- 動作定義(P0)
- クレーム階段 (P1)
- 配信テンプレート (P2)
- 測定ライン(非侵襲・侵襲・破壊)(M0)
- 時間分解能(M2)
- 空間解像度(M3)
- BIDS/標準化(M9)
- 逆問題(R1)
- 潜在状態(R3)
- 因果モデル(R4)
- 識別性(R7)
- 圧縮と忠実度 (R8)
- 閉ループ遅延(I1)
- モデル粒度(I2)
- 計算ボトルネック (I3)
- 安全なアップデート (I5)
- 封じ込め/停止(I8)
- 評価スイート (V1)
- 因果関係テスト (V2)
- 認証性 (V5)
- コピー/ブランチ (V7)
- 追試験可能(V9)
- 同意と撤回(D1)
- アクセスとエクイティ (D2)
- セキュリティ (D3)
QA カテゴリ別インデックス (全項目)
メタ（進捗の定義）
測定
- M0 測定の前提条件: in vivo / 侵襲的 / 破壊的スキャン?
- M1 観測変数: 電気 (EEG) / 血流 (fMRI) / スパイク (侵襲的) の違いは何ですか?
- M2 時間分解能の下限: どの時間スケールを「保存」する必要がありますか?
- M3 空間解像度の下限: どの粒度 (領域/列/ニューロン/シナプス) を目指すべきですか?
- M4 脳全体のカバレッジ: 「全体」のうちどの程度を測定する必要があるか?
- M5 マルチモーダル統合: アライメント (MRI/EEG/fMRI) を保証する方法は?
- M6 介入・刺激：特定の可能性を高める「実験計画」とは何ですか？
- M7 縦断：「個人特性」は日内/日内変動に対して安定していますか？
- M8 品質管理: アーティファクト/欠落/ノイズを「定量化」して処理する方法は?
- M9 標準化: BIDS/メタデータを使用して「他の人が再試行できるように」するにはどうすればよいですか?
復興
- R0 復元するための最小セットは何ですか? (構造/状態/学習ルール)
- R1 逆問題: 観測 (M1) から一意に推測できるものは何ですか?
- R2 出典推定: 脳波から脳活動の「どの表現」を求めますか?
- R3 状態推定: 潜在状態を定義する方法とそれを検証する方法?
- R4 原因: 介入に対する反応を予測できるモデルは何ですか?
- R5 可塑性: 学習ルールを「導入する」ことと「含まない」ことの境界は何ですか?
- R6 パーソナライゼーション: 一般モデル + 個別パラメータ?それとも完全に個人的なものなのでしょうか？
- R7 識別可能性: 推定は「固有の解」に近づいていますか?不確実性についてはどうでしょうか？
- R8 圧縮：情報を破棄しても「検証基準」は維持できますか？
- R9 監査: モデルの違いや障害例を「記録」するメカニズムは何ですか?
- R10 神経調節: 気分、注意力、伝達量をどのように組み込むか?
実装
- I0 実行プラットフォーム: 汎用コンピューティング/GPU/HPC/ニューロモーフィックのどれを目指していますか?
- I10 時間連続性: 離散時間 (RNN) または連続時間 (ODE)?
- I1 閉ループ: リアルタイムで何ミリ秒の遅延が許容されますか?
- I2 モデルの粒度: スパイク/レート/抽象化の間でどこで戦うか?
- I3 計算量: メモリ/電力/並列化のボトルネックはどこですか?
- I4 初期化: モデルの「初期状態」を与える方法は?
- I5 学習とドリフト: 学習用の「安全な更新」を設計するにはどうすればよいですか?
- I6 実施例: どれくらいの入力/出力 (センサー/動き/言語) が必要ですか?
- I7 再現性: 実装の違い (言語/ハードウェア) によって結果が変わらないという保証はありますか?
- I8 安全性: 隔離、監視、封じ込めをどのように行うか?
- I9 熱力学: デジタルインフラは「意識の物理的コスト」を賄えるか?
検証
- V0 検証対象：アイデンティティ、意識、行動のどれを「工学的に」検証すべきか？
- V1 評価スイート: 「進捗」として何を測定する必要がありますか? (事前登録)
- V2 因果関係テスト: 刺激/介入は「同じ反応」を生み出すことができるか?
- V3 一般化: 配布外 (OOD) でも「アイデンティティ」を維持できますか?
- V4 長期: 学習、ドリフト、忘却の処理をどのように評価しますか?
- V5 アイデンティティ：心理的連続性を超えた「因果的同一性」とは何か？
- V6 意識: 理論に依存した予測はどの程度まで「検証可能」にできるでしょうか?
- V7 コピー/ブランチ: 複数のインスタンスが実行されている場合、「プリンシパル」はどのように処理されるべきですか?
- V8 LLM／模造品との区別：外観は似ていても中身が異なるかどうかはどうやって判断するのですか？
- V9 追試験：第三者が「同じ結論」に到達できるように設計されていますか？
- V10 モデルの距離: 生物学的な脳とエミュレーションの間の「近さ」をどのように測定するのでしょうか?
- V11 トポロジー: 意識の「構造」は保存されていますか?
前進の定義(先頭固定)
「進歩」を主張するには、まず勝つために何を再現すればよいのか（＝評価軸）、どうすれば負けるのか（＝改竄条件）を決める必要がある。ここでは、根本的な質問を 3 つの質問に圧縮します。
P0 「マインドアップロード」の運用上の定義は何ですか? （何を再現したいですか？）
質問:このサイトでは「マインド アップロード / WBE」をどのように扱っていますか? （外から見える行動だけなのか？／内部の因果構造なのか？／アイデンティティや意識も含まれるのか？）
分岐（例）：（A）行動・機能の再現（ブラックボックスに相当）／（B）神経動態の再現（内容重視）／（C）個性と主観の連続性を含む（強い主張）
反証可能性:曖昧な定義なしに結果について語ると、評価が「後付け」になり、進捗状況の比較が不可能になる
次: このページの「検証」ノードを使用して、測定可能な基準および損失条件 (A)、(B)、および(C)を決定します。
P1 クレームレベル(クレーム階段)をどこに配置しますか?
質問:研究結果はどのレベルで「進歩」とみなすべきですか?
- L0:データ収集と再現可能な分析 (標準化、品質管理、再テスト可能性)
- L1:デコード/エンコード (神経→動作/刺激、またはその逆の予測)
- L2:生成モデル (未学習の条件下でも神経/行動行動を外挿し、介入を予測できます)
- L3:クローズドループ実装 (リアルタイムで環境と対話し、安定して動作)
- L4:アイデンティティの主張（事前に登録された基準を使用して記憶、価値観、学習の連続性を評価）
- L5:社会実装（技術と同時に権利・安全・ガバナンスを確立）
反証可能性:「L1の達成」を「L4の達成」として語ることの防止(範囲の切り替え)
次へ: このページの各レベルの「必要なデータ」、「必要なモデル」、「評価スイート」を照合します
P2 最低限の成果物は何ですか? (データ/コード/評価/監査)
質問:「進歩」を再現可能にするためには何を残さなければなりませんか?
- データ:R生データ + メタデータ (BIDS など) + 匿名化/同意ログ
- コード:修正バージョン分析パイプライン (環境および依存関係を含む)
- 評価:事前登録されたインジケーター/テスト/ベースライン比較
- Audit:機種差分、再現実行ログ、失敗例(マイナス結果)
反証可能性:結果の「提示方法」のみが優先され、主張が検証不能になる
次: まず、データ構造と評価スクリプトを含む、Mind-Upload 用の L0 ～ L2 成果物テンプレートをロックダウンします。
質問ツリー（詳細版：1ページに集約）
以下では、技術的な疑問を「計測→再構築→実装→検証→社会実装」に分解し、1ページにまとめます。各項目は折りたたむことができます (クリックして展開します)。
迷った人のための最短コース
Measurement: 必要な解像度はどれくらいですか?
中心的な質問:「再構築すべき固有のオブジェクトに到達するには、脳のどの部分を、どの時空間解像度で取得する必要がありますか?」
M0 測定の前提条件: In vivo / 侵襲的 / 破壊的スキャン?
質問:安全性と規模の制約を踏まえ、どの測定ルートで「何を目指すか」を決める。
分岐(例):(A) 非侵襲(EEG/MEG/fMRI)でモデルを学習 / (B) 侵襲(ECoG/深部/動物)で因果推論を強化 / (C) 破壊/超高分解能で構造を取得（将来構想）
反証の条件：目的（復元対象）が定義されずに測定だけを「高度化」しても識別は不可能となる
次: 最初にこのページで R0 (復元対象) と V0 (検証基準) を決定します
M1 観測変数: 電気 (EEG)/血流 (fMRI)/スパイク (侵襲) の違いは何ですか?
質問: 観測が変化すると、構造、状態、学習ルールなど、回復可能なターゲットも変化します。どの観察から何が特定できるでしょうか?
課題: 時系列速度、空間分解能、因果関係介入の容易さ、脳全体のカバー範囲、コスト。
| 展望ルート | 直接観察するもの | これは割と強く言える | そのままの潜在状態 |
|---|---|---|---|
| EEG / MEG | グローバルに同期した電流の混合フィールドです。 | ミリ秒スケールの状態遷移、各周波数帯域のグローバル ダイナミクス、閉ループ時間制約を追跡できます。 | 深部ソースの独自性、細胞の種類、神経修飾、グリアの状態、現在のシナプス効率は直接決定されていません。 |
| fMRI | 血行動態プロキシ。 | 地域規模の採用、比較的遅いネットワーク状態、および同じ個人内の広範囲のカバレッジは容易に確認できます。 | msスケールのタイミング、興奮性/抑制性の分離、高速介入反応、および血管伝達状態/CVRからの神経変化の分離は直接目には見えません。 |
| 全脳空間トランスクリプトミクス / 細胞アトラス | Ex vivo 分子ラベルと空間配置。 | 構造アトラス上の細胞型分類、領域ごとの分布、分子マップを強化できます。 | 現在の発火規則、シナプス効率、神経調節/グリアの状態、睡眠履歴は直接決定されません。 |
| パッチシーケンス / 形態電気トランスクリプトミクス | 単一細胞トランスクリプトーム、形態学、電気生理学と互換性があります。 | 細胞型ラベルと形態電気表現型を橋渡しし、局所回路の前のパラメーターを強化します。 | 全脳カバレッジ、同一脳回路コンテキスト、現在のネットワーク状態、長期にわたる可塑性履歴が残ります。 |
| ECoG / SEEG | 留置部位の局所電場電位と介入反応。 | カバーされた領域では、局所ダイナミクス、刺激応答、および比較的強力な因果関係の検証に進みます。 | 非居住領域、脳全体のカバー範囲、および長期的な状態の完全性が残ります。 |
| コネクトミクス + 同脳機能 | 同じ脳内の構造的足場と機能的反応の対応。 | ローカル回路の配線ルール、セルタイプに依存した接続、構造と機能間のローカル対応を強化できます。 | 現在のシナプス効率、固有の興奮性/恒常性設定値、神経調節領域、グリア/代謝状態、および縦方向の可塑性履歴は、依然として別個の変数です。 |
| 局所送信センサー / 軸索イメージング | L指定された領域における局所伝達物質関連蛍光またはコリン作動性/神経調節性軸索活動。 | C は、混合覚醒プロキシが何を意味するのか、何を意味しないのかを調整し、明示的な局所観測値の下で領域固有の化学的タイミングを制限します。 | 全脳伝達物質フィールド、サンプリングされていない受容体ファミリー、および同一被験者のヒト維持状態は未解決のままである。 |
| 局所星状細胞イメージング/アンサンブル読み出し | アストロサイト Ca2+ ダイナミクス、ネットワーク状態応答、または局所調製物における標識アンサンブル活性。 | は、グリアがバックグラウンドノイズであるかのように装うことなく、低速状態省略の監査と局所伝達物質と星状細胞の結合の主張を強化します。 | ヒトの全脳星状細胞の状態、コンテンツ全体のコントローラーのアイデンティティ、および日をまたぐメンテナンスの完全性は未解決のままです。 |
| ヒト受容体/輸送体アトラス + 占有 PET + 移動/解放 PET | 領域の受容体/トランスポーター密度事前分布、投与薬物標的結合、またはチャレンジ関連放出プロキシ。 | は、指定された受容体ファミリーに対する、選択された受容体と標的の結合、または限定された内因性放出プロキシの化学構造を事前に制約します。 | 瞬間的な全脳伝達物質フィールド、サンプリングされていない受容体ファミリー、および細胞固有の下流効果は未解決のままです。 |
| ヒト星状細胞関連 PET: MAO-B ターゲット検証ルート | 指定されたブロッカーまたは動力学モデルの仮定の下での、健康なヒトにおけるTracerファミリー特異的MAO-B結合。 | は、名前付きMAO-Bトレーサーファミリーがヒトの脳への侵入、選択的結合、および限定された星状細胞関連経路の役割を持っていることを証明します。 | 疾患の対比、トレーサーファミリーの転移、共変量の上限、ローカルコントローラーの同一性、および同一被験者の全脳維持状態は未解決のままである。 |
| ヒト星状細胞関連 PET: MAO-B 疾患関連ルート | 名前付きトレーサー MAO-B は、宣言されたコホート、疾患ステージ、および参照モデルの選択全体にわたって対比されます。 | は、その特定のトレーサーファミリーについて、境界のある疾患およびコホート条件付けされた星状細胞関連のサポート状態のコントラストを制約します。 | Rルート全体の定量化、コホート間の一般化、喫煙/重症度の上限、ローカルコントローラーのアイデンティティ、および同一被験者の全脳維持状態は未解決のままです。 |
| ヒト星状細胞関連PET:MAO-B定量化/共変量ルート | 動脈または単純化された MAO-B 定量化挙動と、指定されたトレーサーファミリーのコホートまたは喫煙条件付き結合シフト。 | ファミリーを 1 つの汎用メーターに黙って昇格させるのではなく、スキャン ウィンドウ / 参照領域 / 動力学モデルの選択と共変量の上限を制約します。 | 他のトレーサファミリー、ローカルコントローラーのアイデンティティ、および同一被験者の全脳維持状態は未解決のままです。 |
| ヒト星状細胞関連PET:I2BSルート | 指定された薬理学的および速度論的モデルの仮定の下でのTracer特異的I2BS結合。 | は、MAO-B のドロップイン代替品ではなく、異なるターゲット定義のアストロ サイト関連プロキシ ファミリーを制約します。 | MAO-B ルートとの互換性、疾患全体の伝達、ローカルコントローラーのアイデンティティ、および同一被験者の全脳維持状態は未解決のままです。 |
| 人間のクリアランスサポートプロキシ | 指定されたデバイスおよびモデルの仮定の下でのCSF モビリティまたはバイオマーカー排出プロキシ。 | マクロ支持国の負担を抑制し、人間の議論から人間の清算ルートが省略されることを阻止します。 | L局所免疫制御因子の正体、責任あるシナプス、および同一被験者の全脳維持状態は未解決のままである。 |
M1 の残りの弱点は、1 つの行で ローカル送信センサー 、 アストロサイト状態読み取り 、 ヒト受容体 / トランスポーター PET ルート 、および ヒトアストロサイト / クリアランスプロキシ が実際よりも近くに聞こえることです。一次文献ではその圧縮はサポートされていません。 Reimer et al. (2016) は、瞳孔変動が 1 つの伝達物質ではなく、アドレナリン作動性とコリン作動性の両方の活動を追跡することを示しました。Neyhart et al。 (2024) は、局所皮質アセチルコリンがコリン作動性軸索活性と局所クリアランス動態に依存することを示しました。Hansen et al. (2022) は、地域受容体/輸送体アトラス、Wong らを構築しました。 (2013) および Koepp ら。 (1998) は占有を抑制し、チャレンジ制限された放出を行う、Cahill et al。 (2024) は、分スケールの皮質星状細胞ネットワークのエンコーディングを示しました。Villemagne et al。 (2022) は、ヒト初の SMBT-1 MAO-B ルートを確立しました。Villemagne et al。 (2022) はその後、そのトレーサー ファミリー内の AD スペクトル全体で反応性星状神経膠症を測定しました。Hiraoka et al。 (2025) は、SMBT-1 の定量化が依然として動態モデリングに関連した名前付きスキャン ウィンドウ/参照領域の選択に依存していることを示しました。Mesfin et al. (2026) は、同じトレーサーファミリー、matsuoka et al. に別の全身生体内分布負荷を追加しました。 (2026) は、AD における 11C-SL25.1188 が独自の単純化された定量化ルートに依存することを示しました。Tyacke et al。 (2018) プラス Livingston et al. (2022) は、ヒト I2BS ルートが、領域および段階に依存した挙動を持つ異なるターゲット クラスであることを示しました。Best et al. (2026) は、MAO-B 結合がコホートの重症度と毎日のタバコの使用によって変化する可能性があることを示しました。Jaisa-Aad et al. (2024) は、MAO-B が反応性星状神経膠症バイオマーカーとして有望であるものの、まだ限界があることを死後組織で示しました。 (2025) </a> プラス Dagum et al. (2026) はヒト CSF の移動性と睡眠に関連したバイオマーカーの流出を抑制します。これらのルートは、同じ直接観測可能値、ターゲット クラス、トレーサー ファミリ、数量タイプ、またはセーフ クレームの上限を共有しません。したがって、このロードマップでは、 局所化学キャリブレーション、 局所星状細胞状態読み取り、 ヒト神経調節PET事前/関与、 ヒトMAO-Bターゲット検証/疾患コンテキスト/定量化ルート、ヒトI2BS星状細胞関連PET、および human サポート状態プロキシ 行。
初期の分割後に残った弱点は、アストロサイト関連の PET ファミリー自体の内部にありました。 ヴィルマーニュ他(2022) は SMBT-1、Villemagne らのファーストインヒトターゲット検証の質問に答えました。 (2022) は、AD スペクトラム疾患の背景に関する質問に回答しました。Hiraoka et al。 (2025) はトレーサーファミリーの定量化に関する質問に答えました。Mesfin et al. (2026) は全身の生体内分布と運用負荷の質問に答えました。matsuoka et al. (2026) は、AD、Tyacke et al. の簡略化された SL25.1188 定量化の質問に回答しました。 (2018) はファーストインヒト I2BS ターゲットの質問に答え、Livingston et al. (2022)プラスBest他(2026) は、認知障害コホートと AUD コホートが、1 つの経路のない星状細胞スカラーではなく、段階、重症度、および喫煙の上限を追加することを示しました。並行して、Jaisa-Aadら。 (2024) は、MAO-B が一般的な星状細胞状態メーターではなく、反応性星状神経膠症の有望だが限界のあるバイオマーカーであることを死後組織で示しました。したがって、このロードマップでは、ヒト星状細胞関連の PET 結果を宣伝する前に、 ターゲットクラス 、 トレーサーファミリー 、 ルートの役割 、 定量化の選択 、および コホート / 共変量の天井 を分離しておくことを読者に強制しています。
ミクランら。 (2020)、シーバーら。 (2019)、Unnwongse et al。 (2023)、および Hao et al。 (2025) HD-EEG と頭蓋内のグラウンドトゥルースを組み合わせることによって監査できる内容を前進させました。対照的に、Yao et al。 (2023) の全脳空間アトラス、Gouwens らの Patch-seq ブリッジ。 (2021) および Gamlin et al。 (2025)、Dorkenwald らのコネクトミクス。 (2024) および MICrONS コンソーシアムら。 (2025)、Neyhart et al. などのローカルトランスミッターとアストロサイトの読み取り。 (2024) および Cahill et al。 (2024)、および Hansen et al. などの人間の代理ルート。 (2022)、ヴィルマーニュら。 (2022 年、SMBT-1 ターゲット検証 / AD スペクトル)、Hiraoka et al. (2025)、メスフィンら。 (2026)、松岡ら。 (2026)、Tyacke et al。 (2018)、リビングストンら。 (2022)、ヒルシュラーら。 (2025)、Dagum et al. (2026) それぞれが異なる潜在状態を未解決のままにして、異なる変数を強化します。したがって、このページでは、観測数を増やす と、WBE に必要な状態変数を十分に特定する </strong> と を明確に区別します。スタックごとのレイアウトについては、Wiki: 各測定スタック の可観測性と要求の上限を参照してください。
</p>
</div>
血行力学的モダリティの場合、残る不確実性は神経面だけではありません。 マーフィーら(2011) は、被験者間の CBF / CBV の違いが BOLD 反応性に寄与することを示しました。Williams et al. (2023) は、タスク BOLD の大きさが複数の皮質領域にわたる CVR に強く対応することを示しました。Wu et al. (2023) は、ベースライン CBF が BOLD 反応の年齢関連要素を部分的に説明することを示しました。 (2025) </a> は、重要なタスクの BOLD の変更が皮質の大部分にわたる酸素代謝の変化に対抗できることを示しました。したがって、このロードマップでは、血管状態/CVRキャリブレーションルートまたは明示的な棄権がなければ、生の血行力学的振幅の差を神経の差に直接促進することはできません。
次に必要:同一作業・同一個人、多峰同時測定(可能範囲)+位置決め(M5) 質問:認知、学習、意識に関連する現象を破壊しないために必要な時間解像度はどれくらいですか?
2026 年 3 月の再監査では、閉ループのタイミング要件は loop クラス ごとに個別に処理する必要があると決定しました。低速ニューロフィードバック、ERP/コマンド BCI、フェーズロック刺激、および適応 DBS には、異なる主要なタイム スケールがあります。ウィルソンら。 (2010) は、ハードウェアを使用してシステム全体のレイテンシー/ジッターを実際に測定する必要があることを示しました。 (2020) アルファニューロフィードバックにさらに 250 / 500 ミリ秒の遅延が生じると、学習が悪化すると報告しました。一方、Mansouri らのフェーズターゲティング システムでは、 (2018) および Zrenner et al。 (2018) では、遅延は ms 値自体ではなく、ターゲット周波数 </strong> に対する 位相誤差として評価される必要があります。
</p>
ただし、より深い点は、 生物学的タイミングはデバイス レイテンシ とは別の監査であるということです。 ザイドルら。 (2015) は、ノードとノード間のジオメトリを調整して活動電位のタイミングを調整できることを示しました。Dutta et al. (2018) は、結節周星状細胞が伝導速度を可逆的に変更できることを示しました。Cohen et al。 (2020) は塩性伝導が軸索周囲ナノ回路に依存することを示し、Dubey et al. (2022) は、PV 軸索の髄鞘形成喪失が高速抑制とガンマ リズムを混乱させることを示しました。したがって、組織側にタイミング状態を潜在的に残しておきながら、ループをハードウェア高速にすることができます。
フェーズをターゲットにしたケースについては、このページでさらに 1 つ分割する必要があります。 Zrennerら(2020) は、振動振幅と SNR が低い場合、位相推定自体が悪化することを示しました。Gordon et al. (2021) は、事後ベンチマーク Kim et al. とともに振幅と安定性の制約を追加することにより、前頭前部シータ ターゲティングを改善しました。 (2023) は、11 の公開データセット と 484 人の参加者 にわたって、予測精度が主にパワーと SNR を追跡することを示しました。Vigué-Guix et al。 (2022) は、一貫した反応時間の利点を持たずに、信頼性の高い試験間のアルファ位相ロックを達成しました。 (2025) </a> は、最適ミューフェーズのセッション内変動とテスト再テストの信頼性が低いことを示しました。したがって、このロードマップでは、位相目標制御を 1 つのタイミング番号として扱うことはなくなりました。これは、 振動推定可能性 、 因果対事後ベンチマーク 、 円形ターゲティング精度 、 下流効果 、および 位相安定性 / 適応ポリシー を分離します。
したがって、このロードマップでは、まず「単一のしきい値を使用して完全に閉ループを判断する `which loop class is handled and which timing failure mode is audited'' rather than `」を修正します。入口の整理については、Wiki: 閉ループ、遅延、ジッター、および安全停止 を参照してください。
質問: 「人の精神機能」に必要な情報はどのような空間粒度で存在すると思いますか? 分岐(例):(A) エリア間接続+ステートだけで十分 / (B) ローカル回路が必要 / (C) シナプス接続が必要 主な文献は、非侵襲的に得られるヒトEEG/MEG/fMRIは基本的にマクロプロキシであることを強く裏付けています。 EEG / MEG はグローバルに同期された電流場をキャプチャしますが、fMRI は血行動態をキャプチャするため、各ニューロンやシナプスの状態を直接観察することはありません。逆に、Dorkenwald et al. (2024) および MICrONS コンソーシアムら。 (2025) 高密度コネクトミクスとモデル生物および局所皮質における同一脳機能との関連性を強化していますが、「人間の脳全体の状態完全な測定」の主張を正当化するものではありません。
このロードマップの残りの弱点は、M3 が依然として人間側の非常に異なる進歩を observability の一般的な増加のように聞こえさせ、依然として 1 つのルートの代役をファミリー名にさせていることでした。一次文献ではその圧縮はサポートされていません。 Shapson-Coe et al. (2024) は、外科的に切除されたヒト側頭葉皮質の立方ミリメートルをナノスケール解像度で再構築しました。これは、 局所 ex vivo 構造足場 です。 ヨハンセンら。 (2024) は、死後オートラジオグラフィーで校正された健康なヒト (17F/16M) の生体内 SV2A アトラスを構築しました。これは、 領域シナプス密度プロキシ です。 ハンセンら(2022) は受容体 / 輸送体 PET を </strong> より前の 領域化学構造に凝集させ、一方 Wong et al. (2013) は、投与された薬剤の下で の選択された占有 / ターゲットの関与を抑制します。 と、Koepp et al. (1998)、Lippert et al。 (2019)、プラス Erritzoe et al. (2020) は、送信機フィールド全体の自由な読み取りではなく、 に関連するドーパミン / セロトニン放出プロキシ にチャレンジします。 Llucchetti et al. (2025) は、51 人の健常参加者 における five 1H-MRSI 代謝物から被験者内の代謝類似性行列を導き出し、13 で複製を行いました。 (2015) </a> は、31P-MRS、Ren et al. を使用して、12 休止ヒト脳 における ATP 合成、リン代謝産物、および細胞内/外 pH を測定しました。 (2017)は、3つのバンド反転モジュールと5つのプールBloch-McConnell-Solomonモデルを使用して、6人の被験者におけるPCrα-γ-ATPおよびPiαα-γ-ATP交換フラックスを測定した、 Guoら(2024) は、 全脳細胞内 NAD 含量 を 7 T、および Kaiser et al. にマッピングしました。 (2026) は、 機能的に局在化した後頭ボクセル における タスク誘発 NAD+ ダイナミクス を測定しました。重水素ルートはそのファミリー内で再び分岐します: Karkouri et al。 (2026) は、専用の定量パイプラインの下で HDO / Glc / Glx / Lac マップの 7 T 絶対定量ルート を実装しましたが、Li et al. (2025) は、7 T 動的 DMRSI、 血液入力測定 、および 明示的動力学モデル を使用して代謝率項を画像化しました。それでもルートフリーではありません:Ahmadian et al. (2025) は、ヒト脳 DMI 信号が投与された [6,6'-2H2]ブドウ糖用量 に大きく依存することを示しました。 B'gh 他(2024) は、3 T での 再現性が、指定された 取得および時点レジーム に依存し、そのプロトコルでは 120 分 で最良の再現性があることを示しました。 van Blooijs et al. (2023) は、PH100Xtract スケールの伝送速度推定 がミエリン感受性造影剤と同じ量ではないため、生きている人間のタイミングサポートがすでにルートファミリーレベルで分割されていることを示しています。 Hagiwara et al. (2018)、Baadsvik 他(2024)、Galbusera et al. (2025) は、ヒト ミエリン MRI がすでに 1 つの交換可能なメーターではなく、 量で定義されたファミリー であることを示しています。 (2026)</a> は、T1w/FLAIR がミエリン特異的な読み取り値ではなく、より広範な 組織健康感受性比 のままである可能性があることを示しています。 モーガンら(2024) および Padrela et al. (2025) は BBB 水交換 を ASL と測定し、方法およびモデルに依存する負荷を明らかにしました。 (2025) </a> は、3 つの放射性トレーサー にわたる高時間分解能ダイナミック PET を使用して、 トレーサー固有の BBB 透過性表面積積 を測定します。 ヴィルマーニュ他(2022)は、薬理学的遮断を伴うヒト初のSMBT-1 MAO-Bルートを確立した、Villemagne et al。 (2022) はその後、そのトレーサーファミリー内の AD 連続体全体で反応性星状神経膠症を測定しました。Hiraoka et al。 (2025) は、SMBT-1 ですらスキャンウィンドウ / 参照領域対速度論モデルの選択に依存することを示しました。 (2018)</a>、Lリビングストン他(2022)、Jaisa-Aad et al. (2024)、プラス Best 他(2026) は、ターゲット クラス、領域/ステージ パターン、組織発現、およびコホートの共変量が依然として重要であることを示しています。一方、Hirschlerら。 (2025) プラス Dagum et al. (2026) はヒト側 CSF の可動性と睡眠に関連したクリアランス ルートを進化させましたが、それでも 特化した MRI または 調査装置とマルチコンパートメント モデル を経由しました。したがって、このロードマップでは、ヒトの in vivo での主張を宣伝する前に、(1) 代理クラス 、(2) 運用の成熟度 / 取得負担 、および (3) 安全なキャリブレーターの役割 だけでなく、 ファミリーの内部量 / ターゲット / 輸送の定義 にもラベルを付けるよう読者に求めています。
人類維持国家家族の内部には、もう一つの分裂が必要である。 Tallman et al. (2025) は、てんかん患者における 局所ヒト臨床単一ユニット割り当てルート を追加しますが、発火は間接的な興奮性指標としてのみ明示的に扱われ、全脳はカバーされません。 Huber ら(2013)、Kuhn 他。 (2016)、Fehér 他。 (2026) は、代わりに 睡眠恒常性 / 可塑性再調整ルート を TMS-EEG または PAS 結果を通じて定義し、Zrenner et al. (2018) プラス Khatri et al. (2025) は、 状態依存性摂動ルート を定義します。</strong> の直接観察可能なものは、有界可塑性アッセイまたは皮質脊髄応答のままです。したがって、このロードマップでは、 人間の興奮性の証拠 を 1 つの行の代わりにすることはなくなりました。ローカルの臨床ユニットの割り当てと非侵襲性の摂動条件付きルートは分離されたままになります。
ただし、複数の人間の行が 1 つの引数に結合される場合、行ごとの軸はまだ十分ではありません。 Llucchetti et al. (2025) は、別の 15-35 年 複製コホート、Morgan et al. を使用して、 青年 から主要な 1H-MRSI 経路を導き出します。 (2024) および Padrela et al. (2025) は、ASL 法の選択肢と健康な成人コホート内で BBB 水交換の主張を維持する、Hirschler et al。 (2025) は、7 T 健康-若年者-成人 CSF 移動性ルートを報告しています。Dagum et al. (2026) ランダム化睡眠剥奪クロスオーバーにおける 研究 健康な高齢者 、Villemagne et al。 (2022) は引き続き 健康ボランティアのファーストインヒト SMBT-1 ターゲット検証ルート、Villemagne et al. (2022) は、AD 連続体全体にわたる 病理学コンテキスト MAO-B 星状細胞関連 PET ルートであり続ける、Hiraoka et al. (2025) は、SMBT-1 経路が依然としてスキャンウィンドウ / 参照領域対速度論モデルの選択に依存していることを示しています。Mesfin et al. (2026) は全身の生体内分布を別の運用負担として保持します。matsuoka et al. (2026) は、動脈を含まない SL25.1188 AD 定量化ルートを追加します。Best et al. (2026) は、MAO-B 結合が AUD 重症度と毎日のタバコの使用によって変化する可能性があることを示しています。Livingston et al. (2022) は、I2BS 経路が領域および障害段階によって変化することを示し、Galbusera et al. (2025) は、生きているヒトの縦方向のベースラインではなく、 死後多発性硬化症皮質 における再ミエリン化感受性を抑制します。デフォルトでは、これらは人間のベースラインと一致するものではありません。並行して、Holiga ら。 (2018) は、MRI 再現性が測定基準に応じて poor から Excellent の範囲であることを示しました。Wirsich et al。 (2021) は、クロスセットアップの再現性が仮定ではなく実証される必要があることを示しました。Amiri et al. (2023) は、CONNECT-ME における同一サンプルのマルチモーダル比較が、 サンプルサイズが大幅に減少したにもかかわらず、すべての特徴を備え、感度が向上した n = 48 患者に依存することを示しました。、および Manasova et al。 (2026) は、フランスの主要なデータセット自体が行 (EEG-LG 290、dMRI 151、aMRI 101、FDG-PET 53、fMRI-RS 44) 間で非常に不均衡であり、欠損値があることを示しました。 -1 で置き換えられましたが、MCS 患者と 患者では 患者でペアごとの不一致が増加しました。したがって、このページでは、バンドル プロモーションには 2 つのバンドル レベル ゲートも必要になります: (4) コホート / 生理学的レジーム互換性 および (5) 行の堅牢性 / 可用性の開示ファミリ内の数量 / ターゲット / 輸送分割がすでに修正された後の 。
複数の行が 1 つの引数に結合されている場合、このロードマップでは、 同一被験者 / 同一セッション / 同一摂動 取得、 コホート / レジーム互換性、 行レベルの再現性またはルートローカル再現性、 可用性 / 完全なケースの開示、 外部状態完全な人間の測定について話す前に、キャリブレーション、およびヒューマンプロキシ構成カードについて説明します。ブリッジがライブとエクスビボ、または分離された状態レジーム間で連続している場合、State-Continuity Bridge Card に加えて、Wiki のより長いバックグラウンド ルール: State-Continuity Bridge も要求します。それ以外の場合、プロキシ クラス、運用の成熟度、キャリブレーターの役割、コホートの互換性、および堅牢性が依然として不一致のままであるため、結果は プロキシは豊富だが上限が制限されたヒトの証拠 に留まります。フロントドアのテーブルは WBE 101: 人間の可観測性ラダー にあり、より長い批評は Wiki: 人間のプロキシ構成とルート成熟度 にあり、送信側の停止ルールは Verification: Observability Budget です。
ルートがすでにネイティブ状態を保持し、スケーリングを自動的に解決したかのように、nanoscale、petascale、または same-brain EM を読み取るのは依然として強力すぎます。 Luら。 (2023) は、固定ルートが細胞外空間の保存を大きく変えること、そして高圧凍結でも厚さ制限が残ることを示しました。Shapson-Coe et al. (2024) は、ヒトのナノスケールの再構築が依然として急速に保存された局所的な外科的断片であることを示し、MICrONS Consortium et al. (2025) は、同一脳機能と EM が、同時の全状態キャプチャではなく、逐次的なローカル パイプラインであることを示しました。したがって、このロードマップでは、 保存ルート 、 登録範囲 、および スループット/校正負担 を解決そのものから分離しています。このページでは、これらの開示のない破壊的超微細構造は、状態完全な測定ではなく、 構造足場 または 局所生体外足場 に留まります。
一時的な決定ルール:観測パスがマクロ プロキシ内に留まる場合、このロードマップはまず L1 と弱い L2 の間のアサーションを保持します。局所回路とシナプスの粒度に対する主張を高めるためには、同じ脳内の構造/機能の対応、外部のグラウンドトゥルース、または介入応答のいずれかをさらに必要とします。 次に、各仮定 (A)、(B)、および (C) について、バンドル内の可観測性 (M1)、識別可能性 (R7)、および計算可能性 (I3) を評価し、どの粒度で何を禁止するかを明らかにする必要があります。背景については、Wiki: 配線図が不十分な理由 および Wiki: 恒常性可塑性とメンテナンス状態 を参照してください。 質問:限られた測定値での「境界（主題に含まれるもの）」をどのように扱うか？ 2026-03-19 補足:主題の境界は哲学的な飾りではありません。 Musall et al. (2019) および Stringer et al. (2019) は、進行中の行動が皮質活動の大部分に組み込まれていることを示しました。Saleem et al. (2013) および Ravassard et al。 (2013) は、運動、視神経の流れ、前庭、およびその他の感覚信号が皮質および海馬のコードを再形成することを示しました。Zelano et al。 (2016) および Raut ら。 (2025) は、呼吸と覚醒が脳の動態を生物全体の生理機能に結びつけることを示しました。また、Flesher et al. (2021) は、触覚フィードバックを再導入すると局所的な双方向 BCI が改善されることを示しました。より遅い境界も同様に残っています:de Quervain et al. (1998) および Oei ら。 (2007) は、グルココルチコイドの状態が回復と海馬/前頭前野の回復活性を変化させることを示しました。一方、McCauley et al. (2020)、Barone 他(2023)、バーニー他(2023) は、概日タイミングとコルチコステロイドのリズムが海馬の可塑性機構を変化させることを示しました。したがって、M4 は現在、 身体 / 環境境界の開示 を後の解釈の問題としてではなく測定要件として扱い、その開示には 高速ループ ルート と 低速内部環境ルート . 決定ルール:提出物でどの感覚経路、運動経路、内受容経路、低速内部環境経路が保存、置換、一致、摂動、または省略されたかが指定されていない場合、結果はローカルコントローラー、タスク固有のサブシステムループ、または脳側のみのプロキシに留まり、主題完全L3言語には進みません。 次へ: 検証 (V0) で「サブジェクトの境界」を運用的に設定し、保持/置換チャネル、低速内部環境ルート、代理本体/環境マッピング、ループ除去テスト、および残留省略ループをリストした境界カードを公開します。 質問:測定値が異なると、座標系、遅延、ノイズ構造も異なります。統合エラーによって「学習したい信号」が破壊されていませんか? 反証条件：アライメント誤差により再構成(R2)が不安定になり、再現性(P2)が低下する 2026-03 補足: EEG + fMRI / fNIRS の場合、共有クロックではまだ十分ではありません。 マーフィーら(2011) および Williams et al. (2023) は、血管反応性がタスクの BOLD 振幅の意味を変えることを示しています。Wu et al. (2023) は、ベースライン CBF が年齢に関連した BOLD の違いを部分的に説明できることを示しています。 (2015)</a> は、fNIRS が表面の自律神経汚染を抑制するために短い分離回帰を必要とすることを示しています。したがって、M5 は現在、 血管状態 / CVR キャリブレーションまたは禁欲 を血行動態スタックのマルチモーダル アライメントの一部として扱います。 2026-03-19 補足: OPM-MEG は移動許容度を追加しますが、測定条件のフリーパスではありません。 Boto et al. (2018) および Seymour et al. (2021) はモーショントレラントな OP-MEG 記録を示しました。Holmes et al. (2023) および Holmes et al. (2023) は、フィールド ヌリングを光学追跡に結合することにより、これを歩行移動と 2 人によるハイパースキャンに拡張しました。Holmes et al. (2025) は、tSSS とアクティブ補償を使用した場合にのみ、軽量のシールド ルームが妥当になることを示しました。 (2025) </a> は、MRI が困難な場合には擬似 MRI が役立つことを示しましたが、依然として個別の MRI がゴールドスタンダードであることを示しました。したがって、このロードマップでは、OPM-MEG は、シールドなしの自然主義的な脳読み取り値 次に必要:複数のパイプラインで同じデータが一致するかどうか (分析差分監査) 質問: 受動的観察だけでは識別できない場合、どのような介入（刺激/課題/環境変化）によって識別可能性を高めることができますか? 一次文献は次のことを強くサポートしています: 介入は因果関係を自動的に明らかにする魔法のトリックではありません。識別可能性は、どこで、いつ、どれだけの刺激を適用したか、アーティファクトウィンドウをどのように定義したか、どのようにレイテンシー/ジッターを測定したかを指定するデザインでのみ増加します。 介入としてカウントされないもの:受動的タスクにおける条件の違い、事後クロスモーダル相関、刺激ログのみを使用しないオフライン分析は、このページでは強力な因果関係の証拠としてカウントされません。 外部依存タスク:TMS/DBS/実際の被験者に対する侵襲的介入には、IRB、機器、および臨床協力が必要です。このリポジトリで最初に行うことは、 介入文法 、 同期ログ形式 、 失敗時の停止条件 、および 比較ルール を準備することです。 次に必要なもの： モデル(R4)側で「この介入によりファミリー間の識別が改善される」という設計逆算を行い、TTL/LSL/フォトダイオード/ループバックを測定した箇所を含む提出パックを修正します。 質問:同じ個人であっても、脳の状態は分、時間、日、月ごとに異なります。ここでの運用上の問題は、もはや単に「その人は安定していますか?」ということではありません。ただし、結果のどの部分が状態変動、形質様バックボーン、生物学的ドリフト、インターフェース/デコーダドリフト、または適応型レスキューを反映するか. 2026-03-22 追記:ここでの古い表現は弱すぎました。なぜなら、同日の成功、日を超えた持続性、およびアルゴリズム的に救出されたパフォーマンスが1つの連続した長期的な成果のように聞こえるためです。一次文献ではその圧縮はサポートされていません。 Musall et al. (2019) は、トライアル間の皮質ダイナミクスが豊富に変化する動きによって強く形成されることを示しました。Benisty et al。 (2024) は、自発的行動が機能的接続構造を急速に変化させることを示しました。 (2024) </a> は、デコーディングを大幅に変更し、適応型デコーダーを動機付ける 10 時間の脳波変化を示しました。対照的に、Gallego et al. (2020)と野田ら(2025) は、 集団レベルのバックボーン が個々のユニットよりも安定した状態を維持できることを示しています。最後に、Karpowicz ら。 (2025)、ウィルソンら。 (2025)、Wairragkar et al。 (2025) は、 の安定した動作 と 固定デコーダの耐久性 を個別に報告する必要がある理由を示しています。したがって、M7 は現在、長期的な証拠を 1 つのスコアではなく複数分野の監査として扱います。 決定ルール:結果が状態アノテーション、固定デコーダ間隔、および再キャリブレーション負担を個別に報告しない場合、このロードマップは状態条件付きパフォーマンスまたは参加者固有の安定化操作で停止します。特性の安定性、耐久性のある固定デコーダーの使用、長期的な展開可能性などの結果を促進するものではありません。 次：バンドル検証：時間的有効性カードとWiki：状態、特性、ドリフト。証拠が、あたかも 1 つの潜在的な状態であるかのように、取得体制や日数をまたいで橋渡しされる場合は、同じ主題の文言のみに依存するのではなく、State-Continuity Bridge Card を追加してください。 質問:「適切なデータ」を事前に定義し、除外、補完、重み付けを透明化します。さらに、インピーダンス/CMRR、ノイズフロア、HMD干渉などのハードウェアによって引き起こされる品質劣化をどのように定量化すればよいでしょうか? 質問:データが共有できても、メタデータが弱いと再テストができません。少なくとも何をメタデータに変換する必要がありますか? 補足(問題#46): VR/モーション計測が含まれる場合は、Motion-BIDSに従って座標系、時刻同期、デバイス仕様を指定してください。 次: プロトコル (タスク/機器/前処理) を機械可読のままにする (P2) 中心的な質問：「個人の精神機能には、構造（結合）、動的状態（活動）、学習規則（可塑性）がどの程度必要ですか？」 質問:検証(V0)で勝つためにはどこまで復元する必要がありますか? 2026-03-19 文献監査:ここでの古い表現は弱すぎました。なぜなら、structure、state、および lasticity が 3 つのきれいなノブのように聞こえるからです。一次文献はその単純化を支持していません。 Gouwens et al. (2021) は、トランスクリプトーム型が依然として細胞クラス内で形態電気的広がりを残していることを示しました。 フレイ&アンプ; Morris (1997)、Govindarajan 他。 (2011)、ヤンら。 (2014)、Pandey et al. (2021) は、長期安定化がグラフ構造のみに依存するのではなく、シナプスおよび分岐に特異的なタグ付け、クラスター化されたスパインの安定化、およびタンパク質の維持に依存することを示しています。 Hengen et al. (2016)、Latchoumane et al. (2017)、Terceros et al. (2026) は、複数日の保持も睡眠 / 恒常性 / 転写プログラムに依存することを示しています。 ギブソン他(2014)、Dutta 他(2018)、コーエンら。 (2020)、スズキ他(2011)、Pizzorusso 他。 (2002) は、ミエリン / 結節周囲の状態、グリアの代謝サポート、および細胞外マトリックスの状態が、再配線することなくタイミング、可塑性、および記憶発現を変更できることを示しています。したがって、このロードマップでは、 修正された分岐:(A) 構造スキャフォールドのみ / (B) 構造スキャフォールド + 高速実行可能状態 / (C) 構造スキャフォールド + 高速実行可能状態 + メンテナンス / 可塑性状態
このサイトのすべての R0 主張は、(1) どの状態のファミリが直接測定されたのか、、(2) は外部的に校正またはモデル推定のみされたのか、、(3) は省略された、(4) 各ファミリがカバーするタイムスケールは何か (ミリ秒 / 秒 / 時間 / 日 / 週間)、および (5) 主張の内容を記載した小さなカードを公開する必要があります。天井と棄権境界はこれらの省略 から続きます。このカードがなければ、同一セッションの適合性と複数日間の継続性は 1 つの漠然とした成功というラベルに崩れてしまい、このロードマップではそれが認められなくなります。
失敗条件:選択した復元ターゲットが宣言されたタイムスケールで介入応答を再現できない場合、または省略された保守状態ファミリーが再導入されると結論が変わる場合、ターゲットは失敗します。複数日にわたるメンテナンスの負担を隠しながら同じセッションのデータに適合するモデルは、ここでは一般的な復元ターゲットとして受け入れられません。 次:識別可能性 (R7) と計算可能性 (I3) を同時に評価しますが、これは省略された状態ファミリー、監査されたタイムスケール、および請求上限を含む復元ターゲット カードを公開した後でのみ行われます。背景をサポートするには、Wiki: 配線図だけでは不十分な理由 および Wiki: 恒常性可塑性とメンテナンス状態. 質問: EEG 信号源推定などの逆問題は「不適切な設定」であり、解が一意に決定されないことを意味します。したがって、どのソルバーが選択されたかを尋ねるよりも、形状、導電率、電極座標、および事前の仮定が変化したときに結論がどの程度安定しているかを監査するの方が重要です。 Policy: このプロジェクトでは、標準ソリューションとして特定のソルバーが固定されていません。承認には、(1) 事後分布、信頼区間、またはブートストラップ / アンサンブル範囲などの明示的な不確実性の表現、(2) 個々の MRI、FEM / BEM、導電率の仮定、電極形状の感度分析、(3) シミュレーション、ファントム、同時侵襲的記録、または頭蓋内刺激を使用した外部検証、そして (4) 名前付き ソース レジーム / ターゲット オブジェクト が必要です。 不確実性オブジェクト、および検証ボード/運用体制。ベイジアン アプローチまたは経験ベイズ アプローチが有力な候補ですが、メソッド名よりも監査可能性の方が重要です。 2026-03-31 追記: このロードマップの残りの弱点は、 インバース ファミリの進歩が が 1 つの共有された真実の尺度よりも近づいているように聞こえることでした。現在の一次文献はそのショートカットをサポートしていません。 Luria et al. (2024) 焦点源仮説に対する事後サポート、Tong et al。 (2025) ターゲット 偏りのない推定と推論を備えた疎な時空間ソース イメージング 、および Feng et al。 (2025) ターゲット 経験的ベイジアン不確実性マップを使用した拡張ソース範囲 。上流の不確実性は別のままです: Vorwerk et al. (2024) は、組織伝導率の不確実性が EEG ソース解析を大きく変えることを示しました。 (2026) </a> は、すべての深さ/場所の例外を消去することなく、多くの術前てんかんシナリオにおいて、伝導率推定により発生源位置の不確実性を低減できることを示しました。したがって、このロードマップでは、 新しいインバース ファミリ を 1 つの一般的なアップグレードとして捉えることはなくなりました。どのオブジェクトが推定されているか、どの不確実性オブジェクトが返されるか、どの物理学と検証レジームが関連付けられたままであるかを尋ねます。 次に必要なもの: R2 と R7 では、音源の深さ、頭蓋伝導率、および候補モデル空間が誤差をどの程度支配しているかを分離し、重複する解決策を強制的に 1 つにまとめるのではなく、棄権条件を明らかにします。 質問: 脳波源推定は「面積×時間」の式を得るのが簡単ですが、ニューロン/シナプスを直接見ることはできません。復元対象(R0)に応じて式を選択してください。 問題点：以前は「高密度脳波計（128チャンネル）」が推奨されていましたが、最近の研究ではチャンネル数だけでは姿勢不良を解決できないことが判明しました。特に、dSPM などの点推定方法は不確実性を無視します。 厳格化方針：ブロックシャンパーニュ方式などの不確実性を伴う推定、高密度EEG、個別MRIに基づくFEM/BEMフォワードモデルは推定条件を改善する有効な手段です。ただし、これらは深部脳活動の精度を保証するものではありません。採用条件は、洞察力があるとは言えず、どのエラー源がどの程度削減されているかを監査できるかどうかです。したがって、提出物には、(1) 事後分布または信頼区間、(2) 導電率、電極座標、および頭部モデルの感度分析、(3) シミュレーション/ファントム/同時侵襲的記録/頭蓋内刺激などの外部基準に対する検証、(4) 深部発生源に関する主張を保留するための条件が含まれなければなりません。 2026-03-31 追記: 古い表現では、依然として ソース イメージングの向上 が 1 つの共有表現目標のように聞こえすぎていました。現在の一次文献はそのショートカットをサポートしていません。 パスカレラら(2023) は焦点ソース検証ルートを比較、Unnwongse et al。 (2023) は、3,619 個の刺激位置にわたる深さと頭蓋骨の伝導率に依存する位置推定誤差を示します。 は、11 人の患者において、およびHao et al. (2025) は、薬剤耐性てんかんの手術体制において HD-EEG / SEEG の同時一致を示しました。これらのボードは、焦点ソース、まばらなソース、拡張ソース、自発的なソースに対する 1 つのユニバーサル スコアボードをまだ定義していません。したがって、R2 は、メソッドが比較される前に、復元ターゲットに、 焦点サポート 、 スパース時空間ソース アクティビティ 、 拡張ソース エクステント 、または別の宣言されたオブジェクトを望むかどうかを言うように要求します。 次：まず、ソースイメージング検証仕様とベンチマークを外部標準で、公的に実装されているかどうかを不明確にすることなく修正します。その後、事後分布、感度解析、失敗例などを再現可能な形で実装を公開します。 質問:観測ノイズを真の状態から分離し、その状態が「予測に有効」であることを示すことはできますか? 2026-03-25 追記: このロードマップの残りの弱点は、 潜在状態 が依然として 1 つの圧縮された隠れ変数に近すぎるように聞こえることでした。このサイトの残りの部分では、そのショートカットはサポートされなくなりました。 Lee et al. (2003)、Havekes 他。 (2016)、ビエラ 他(2023)、Altas et al. (2024) は、 リン酸シグナル伝達 / セカンドメッセンジャールーティング が、転写物やバルクタンパク質の存在量を崩壊させることなく可塑性発現を変化させることができることを示しています。 フレイ&アンプ; Morris (1997)、Shires et al. (2012)、ゴビンダラジャン他。 (2011)、Pandey 他(2021)、Chang et al. (2024) は、 局所プロテオスタシス / タグ捕捉ルート が、独自の統合ユニットとターンオーバー ウィンドウを持つ別の状態ファミリーであることを示しています。 Correia et al. (2008)、Swarnkar et al。 (2021)、エイケン＆アンプHolzbaur (2024)、de Queiroz et al. (2025) は、 貨物輸送 / 細胞骨格輸送状態 が再び異なるルートであることを示しています。関連する脊椎、枝、ボタン、または軸索末端に到達するものは、グラフが固定されたまま可塑性と記憶を変化させる可能性があります。したがって、このページでは、潜在状態モデルは単一の不適格オブジェクトとして受け入れられなくなりました。 どのファミリーを回復しようとしているのか 、 どのファミリーが省略されたままなのか 、 主張された状態がどのようなタイムスケールで支配されるのか .
R3 クレームが 永続性 、 再統合 、 リモート メモリ 、 摂動後の回復 、または 日数または取得体制にわたる同じ状態の言語 をサポートするために使用される場合、提出物は少なくとも (1) ファミリ名 、(2) 直接観察可能、または摂動ルート、(3) 支配的なタイムスケール、(4) 統合ユニット (シナプス/分岐/ニューロン/領域/全脳プロキシ)、(5) そのファミリーが直接測定されたか、外部で校正されたか、モデル推定されたか、省略されたか、(6) 棄権境界に続きます。体制または日がブリッジされている場合は、State-Continuity Bridge Card を取り付けます。永続性または忘却が請求の一部である場合は、Maintenance-State Error Budget を添付してください。そのバンドルがない場合、このロードマップは結果をメンテナンス完了状態の推定としてではなく、予測に役立つ潜在変数または同じセッション プロキシ モデルとして扱います。
偽の状態:潜在状態は、データを圧縮するためだけに機能するか、持続された摂動で失敗するか、リン酸化シグナル伝達、局所プロテオスタシス、またはカーゴルーティングなどの省略された維持ファミリーが再導入されると解釈が変更されます。 次:同じ保持された摂動と縦方向のベンチマークでコネクトームのみ、高速状態、およびメンテナンス拡張モデルを比較し、省略されたファミリー リストとその結果のクレーム上限を公開します。 質問:相関関係を単に適用するのではなく、刺激や条件の変化に応じて「何を変化させるべきか」を言うことができますか?デコード (相関関係) からエミュレーション (因果関係) に飛躍するには、どのような一連の証拠を使用する必要がありますか? ポリシー:このプロジェクトは、アクティブ推論、DCM、状態空間モデル、SCM、および機械回路モデルを 競合候補セット として扱います。 DCM は候補生成モデルを比較するのに便利で、SCM は介入や反事実を説明するのに役立ちますが、どちらもそれ自体では自動的に因果関係を検出するものではありません。観測データのみを使用する場合、同値クラスが残るため、候補モデル空間の明確化、ファミリーレベルの比較、モデル回復、ホールドアウト摂動予測が必要です。 2026-03-19 追記:古い文言の弱点は、候補モデル空間が運用ゲートではなくスローガンのままであることでした。 ペニーら(2004) は、DCM 推論が比較モデルに相対的であることをすでに修正しています。Rosa et al. (2012) は、完全なモデルから非常に大きなモデル空間を効率的に検索できることを示しました。Frässle et al. (2021) は全脳ヒト fMRI にスケールされた有向接続性推定、および Wu et al. (2024) は回帰スタイルの DCM をさらに加速しました。しかし、その進歩はtractabilityの進歩であり、識別可能性に対する自動的な解決策ではありません。全脳またはより高速な有効接続性の推定であっても、選択したノード セット、事前分布、血行動態の仮定、省略された代替案、および検証設計に依存します。 有効接続ルート カードが必要:DCM または関連する有効接続推定器を使用するすべての R4 クレームは、(1) 比較されたノード セットと省略された競合他社、(2) 観察されたサブシステムのクロージャ / 潜在交絡監査、(3) ノード定義 / 分割ポリシー、(4) ニューラルマス / HRF / 事前の仮定とサンプリング / 変換感度、(5) ファミリの比較およびモデルの回復、(6) ホールドアウトを公開する必要があります。摂動または外部検証、(7) テストと再テストのウィンドウおよび条件依存性、および (8) 棄権境界。これらが欠落している場合、このロードマップは モデル条件付き因果仮説 で停止し、結果を発見された因果配線または WBE 関連の因果構造に促進しません。 改善策（マルチスケールの位置付け）： マルチスケール統合は有望な拡大路線ではあるが、既定路線であってはいけない。 EEG 由来のマクロ制約を回路モデルに渡す場合でも、受け入れまたは拒否は「理論名」によって決定されるのではなく、刺激、病変、課題摂動の予測の改善、OOD の一般化、および棄権条件の透明性によって決定されます。 より厳密な実装 (課題 #52): 逆問題 (R1/R2) で得られた不確実性は、後続のモデルに明示的に伝播されます。ただし、ここで修正しているのは、アクティブ推論自体の正確な実装ではなく、 アップストリームの不確実性がダウンストリーム で消えないことです。候補理論間の実装の違いは、同じベンチで比較されます。 次へ: 介入前提評価タスク (V2)、モデル空間宣言、ファミリー比較、および外部検証を備えた摂動ベンチを 1 つの成果物パックに結合します。 質問:長期的なアイデンティティ (V5) を扱う場合は、学習 (更新) を含める必要があります。ただし、アップデートにより検証が困難になります。 2026-03-25 追記: ここでの残りの弱点は、可塑性 がまだ「はい/いいえ」スイッチのように読み取られすぎていることでした: 学習が導入されるか導入されないかのどちらかです。一次文献はその単純化を支持していません。 フレイ&アンプ; Morris (1997) および Shires et al. (2012) は tag / キャプチャ資格を示します、Govindarajan et al。 (2011) は ブランチレベルの統合を示しています、Fonseca et al。 (2006)、Pandey et al。 (2021)、Chang 他(2024)、Parker et al. (2025) は、異なる 合成分解 / オートファジー / プロテアソーム容量経路を示します。 および Lee et al. (2003)、Havekes et al。 (2016)、ビエラ 他(2023)、ロドリゲスら。 (2025) は、リン酸状態がそれ自体の安定重量ではなくゲートになり得ることを示しています。並行して、Correia et al. (2008)、エイケン＆アンプHolzbaur (2024)、および de Queiroz et al. (2025) は、送達経路と局所的な RNA 局在化が実際にどのような可塑性を発現できるかを制限することを示しています。したがって、R5 はここでは「はい/いいえ」の選択肢として扱われなくなりました。それはクレームタイムスケール監査.
このサイトでは、可塑性、適応、統合、回復、長期安定化という言葉は1つの成果として扱われません。請求が同一セッションの適合を超えた場合は、TTemporal Validity Card を添付してください。 1 つの州サンプルであるかのように取得体制または日数をまたぐ場合は、State-Continuity Bridge Card を接続します。クレームがメンテナンス ファミリに依存する場合は、Maintenance-State Error Budget に加えて、リン酸シグナリング、ローカル プロテオスタシス、カーゴ ルーティング、またはその他の引用されたコントローラーに関連するファミリー ルート カードを添付します。このバンドルがないと、R5 は検証済みの連続性を保持する可塑性ルートではなく、 適応型または学習機能付きモデル で停止します。
次に必要:学習が含まれる場合、同じベンチマークで固定デコーダの耐久性、レスキュー モード、再キャリブレーション負荷、家族レベルのアブレーション、およびホールドアウト摂動応答をレポートします。次に、プラスチッククレームが実際に通過したタイムスケールを明らかにします。 質問:アイデンティティについて議論する場合、パーソナライゼーションは避けられません。一方で、パーソナライゼーションが多すぎると、過剰適合や再現性の低下につながります。 2026-03-18 追記:このセクションを深めた理由は、パーソナライゼーションをパフォーマンスを向上させるためのトリックとしてのみ解釈すると、ターゲットのニューラル変数とサブジェクト/セッションのフィンガープリントの区別が崩れてしまうためです。 Chaibub Neto et al. (2019) は、反復測定が参加者間で連携していない場合、診断学習が被験者の特性を吸収できることを示しました。Wang et al. (2020) および Di 他(2021) は、安静状態の EEG のみから時間的に堅牢な個人識別を示しました。Gibson et al. (2022) は、被験者主導の強力な EEG 変動を要約しました。同じ境界は取得分布にも拡張されます: Hu et al. (2018) は、参照モンタージュと電極設定によって頭皮電位が変化することを示しました。Melnik et al。 (2017) は、システム / 被験者 / セッションのすべてが EEG に影響を与えることを示しました。 (2020)</a> は、データセット間の変動が増幅器、キャップ、サンプリング レート、およびフィルター処理の違いによって部分的に引き起こされることを示しました。したがって、R6 の実際の境界は、 特定の主張でどの程度の個人差が許容されるか および 人口信号が指紋およびセットアップ ルートからどのように分離されるか.
このサイトでは、診断モデル、状態バイオマーカー、または一般的なデコーダーを自称する結果は、少なくとも (1) 分割独立性ユニット、(2) 生記録 / ウィンドウ祖先、(3) 被験者 / セッション / サイト / デバイス / 参照システム / 電極レイアウトの非結合性、(4) メタデータのみまたはフィンガープリントを報告する必要があります。ベースライン、(5) チャネルマップ/リファレンス/サンプルレート/フィルターの調和ログ、(6) ターゲット被験者またはターゲットサイトデータが使用された場合、(7) 適応バジェット。それがなければ、結果は母集団マーカーや被験者に依存しないメカニズムとしてではなく、まず 被験者認識分類子 、 参加者条件付きデコーダー 、または 指紋/セットアップ未解決バイオマーカー として扱われます。
分岐の例: ルート (A) は人口信号が存在するかどうかを尋ね、ルート (B) はどれだけの転送とキャリブレーション負荷が必要かを尋ね、ルート (C) は個々のルートが運用上使用可能かどうかを尋ねます。したがって、パーソナライゼーションのスコアが高いという事実自体は成功でも失敗でもありません。 どのクレーム ファミリをサポートしたいかを述べた後でのみ解釈可能になりますおよびフィンガープリントとセットアップ ルートがどこまで制御されたか. 次に必要:のバンドル検証:特異性とショートカット Card、Datasets の評価ファミリーと分割設計、および Temporal Validity Card により、同じ主題の成功、主題を越えた一般化、および日を越えたメンテナンスが異なる成果物として管理されます。 質問:同じ観察を説明するさまざまなモデルが多数ある場合、どの仮定を使用してモデルを絞り込むことができますか?不確実性はどこから来るのでしょうか:センサーの形状、導電率、前処理、候補モデルのアンサンブル、介入設計などです。 再条件:事前調整の小さな違い、導電率の仮定、または候補モデル空間の変更により結論が大幅に覆される場合、または保持された摂動や外部基準を使用して回復できない場合、同定は成功したとはみなされません。 次に必要なものは次のとおりです:事前の分布/正規化に加えて、比較対象および除外されたファミリーのすべてを公開、電極形状、頭部モデル、および導電性の感度分析、シミュレーション/ファントム/侵襲的校正、モデル作成時の棄権条件オーバーラップを使用し、堅牢な結論のみを採用します。このノードの送信側ルールは Verification: Identifiability Card です。
このページでは、改善されたホールドアウト予測、低減された位置推定誤差、および独自の解決策に近づく内部状態回復を同等の強度の主張として扱いません。最初の 2 つは重要な進歩ですが、3 つ目は公に主張する前に追加の条件が必要です。
直接検証を行った脳波に関する文献は、注意深く読むとむしろその限界を明らかにします。シーバーら。 (2019) は、皮質下信号が 256ch 頭皮脳波で 条件付き検出可能 であることを示しましたが、一般的な独自の再構成を主張していませんでした。 Unnwongse et al. (2023) は、頭蓋内刺激を使用した直接検証で、位置特定エラーが導電率の仮定とソースの深さに依存することを示しました。 (2025) は、同時 HD-EEG/SEEG の患者コホートにおける誤差に、線源出力と線源深度が大きく影響することを報告しました。したがって、クロスモーダル相関や予測のホールドアウトが現れたとしても、それは主に予測可能性/局所性の向上であり、必ずしも内部状態の一意な解決につながるわけではありません。
ここでの残りの弱点は、 より多くの測定変数 が依然として 独自の回復 に近すぎる可能性があるということでした。 Villaverde (2019) は、可観測性と構造識別可能性は別の問題であるとレビューし、Villaverde et al. (2019) は、未知の入力、状態、パラメーターを組み合わせて分析する必要があることが多いことを示しました。神経科学では、Prinz et al. (2004) は、同様の回路活性が異なるパラメータから発生する可能性があることを示しました。Rasero et al. (2024) は、同様の人間の活性化パターンが依然として異なる巨視的ネットワーク状態を隠すことができることを示しました。 Litwin-Kumar (2025)</a> は、追加の記録が提供されるまで、コネクトームに制約されたダイナミクスが退化したままであることを示しました。その後も 2 番目の弱点が残りました。Vafaii ら。 (2024) は、同時の Ca2+ および BOLD にわたって、 共通および分岐 組織の両方を示しました。Chen et al。 (2025) は、同時 EEG-PET-MRI において密結合した全体的進行と 2 つの異なるネットワーク パターンを示した 、および Lu et al. (2023)、MICrONSコンソーシアムほか(2025)、Egger et al. (2024) は、同じ脳または同じ被験者のシーケンシャル パイプラインが依然として保存変更と状態ドリフトにさらされている理由を示しています。したがって、このロードマップでは現在、R7 を 5 段階の監査として扱っています: (1) 可観測性予算、(2) 宣言されたモデル空間における構造識別可能性、(3) 実際のデータセットおよび摂動設計下での実際的な識別可能性、(4) マルチモーダルまたは逐次証拠が呼び出された場合のブリッジ/構成の妥当性、および (5) 外部検証と、候補セットがまだ重複する場合の棄権 。
可観測性と識別可能性を分離した後に残った弱点は、なぜその設計が実際に生存者を分離する必要があるのかを説明せずに、マルチモーダル、自然主義、または閉ループなどの一般的な単語でプロトコルを記述することができるということでした。一次文献ではそのショートカットはサポートされていません。 ディオプ＆アンプ; Fliess (1991) は持続的な軌道を明示し、Raue et al. (2010) は、識別可能性分析が古い実験を批判するだけでなく、新しい実験を導くことができることを示しました。 Chis et al. (2016) は、 のずさんさは識別可能性ではないこと、 の設計では代理不確実性スコアではなく明示的な識別可能性基準を最適化する必要があることを示しました。 ホワイト他(2016) は、相補的な実験により の省略されたメカニズム を解決するのではなく明らかにできることを示しました。現在の神経科学では、ベイランとLitwin-Kumar (2025) は、 小規模のターゲット録音セット がコネクトーム制約のあるネットワークの縮退を除去できることを示しました。 Engel (2025) </a> は、タスク変数 </strong> 間の 因果的相互作用を保存すると、相関のみの削減では見逃される行動的に関連する計算を回復できることを示しました。 ゲベルツ&アンプ;次に、Kareva (2024) は、識別可能性分析によって と最小限十分な スケジュールを導き出すことができることを示しました。 (2025) </a> は、アクティブ ラーニングにより、実用的な識別可能性を達成するために必要な観察を削減できることを示しました。したがって、このロードマップでは、プロトコルがよりリッチであるかどうかだけでなく、どの曖昧性を対象としたのか、どの識別可能性の目的がそれを選択したか、省略されたメカニズムのエラーが暴露されたか、どの最小十分性停止ルールがあれば十分だったかも問うようになりました。
</p>
運用リンク: この設計側の開示が欠落している場合、このロードマップは 予測適合、局所発生源仮説、またはモデル条件付きメカニズムで停止します。提出側の運用バージョンは のままです検証: 実験設計の活用. 質問: WBE 用に「すべてを保存」するのが理想的ですが、それは現実的ではありません。評価目標 (V0) を満たす最小の表現を特定できるでしょうか? 次へ: 圧縮率を変更し、評価スイートのパフォーマンスが低下する箇所を測定する 質問:更新するたびに結論が変わる領域なので、相違点や失敗、否定的な結果を記録する必要があります。 次: モデル/データ/評価バージョンを接続し、再実行で再現できるようにします (P2) 質問:シナプス接続だけでは、ドーパミン、セロトニン、アセチルコリン、および関連する体積伝達システムの状態依存制御を再現できません。ここでの弱点は、このノードでは 瞳孔 / HRV、 ローカル送信機イメージング 、 受容体マップ 、 占有 PET ターゲットエンゲージメント 、および 変位 / 解放感知 PET が実際よりも互換性があるように聞こえることです。それは弱すぎました。 Reimer et al. (2016) は、瞳孔変動がアドレナリン作動性活性とコリン作動性活性の両方を追跡することを示しました。Neyhart et al。 (2024) は、局所皮質 ACh が軸索活動と局所クリアランスに依存することを示しました。Hansen et al. (2022) および Goulas et al. (2021) は、受容体マップが構造化された地域事前分布であることを示しました。Wong et al. (2013) は、ルラシドン投与下でリガンドと用量が制限された D2 標的結合を示しました。Koepp et al. (1998)、Lippert et al。 (2019)、プラス Erritzoe et al. (2020) は、送信機フィールド全体を自由に読み出すのではなく、チャレンジおよび時間枠に制限されたドーパミンまたはセロトニン放出プロキシを示しました。 運用ルール:このサイトでは、神経調節は 次：R10クレームがなされた場合、使用されたラングを公表する、さらに受容体ファミリー、リガンド/チャレンジ、該当する場合の用量、時間枠、空間範囲、および棄権境界を公表する。次に、同じ保持された状態遷移の下で、その横木がある場合とない場合の同じベースラインを比較します。スタックレベルの上限については、Wiki: 神経調節プロキシ ラダー を参照してください。より広範な隠し状態の議論については、Wiki: 配線図だけでは不十分な理由 を参照してください。 中心的な質問:「復元されたモデルを実行するにはどの計算プラットフォーム (HPC/クラウド/ニューロモーフィック/ハイブリッド) を使用する必要がありますか?それを閉ループ (本体/環境) に入れることができますか?」 質問:実装プラットフォームは復元ターゲット(R0)に対して「十分な忠実度」と「現実的なコスト」を両立できますか? 次へ:モデル粒度(I2)と計算量(I3)をセットで見積もる 質問:標準的な RNN/トランスフォーマーは離散時間であるのに対し、生物の脳は連続時間で動作します。このギャップによりダイナミクスに歪みが生じます。 提案:実装フレームワークとしてニューラルODE(ニューラル常微分方程式)またはCTRNNsを採用します。 $\frac{dh(t)}{dt} = f(h(t), t, \theta)$ としてモデル化することで、任意の時間分解能でのサンプリングやアジョイント法を用いたメモリ効率の高い学習が可能となります。 次へ:EEG (ミリ秒) と fMRI (秒) の異なる時間スケールを同じ微分方程式系に統合する 質問:「らしさ」を評価するなら、その本質は環境とのインタラクション（遅延・ノイズ）です。許容できる遅延はタスクによって異なります。 再定義 (2026-03): 単一の数値の代わりに、少なくとも (a) 状態フィードバック / ニューロフィードバック 、(b) ERP / コマンド BCI、(c) フェーズロック刺激 、および (d) バースト / 状態トリガー神経変調 の許容可能な遅延を監査します。位相ターゲティングでは、まず 発振推定可能性 、次に 位相誤差 、 因果対事後ベンチマーク 、 円精度 、 機能的コンパレータ 、 固定対適応位相ポリシー に焦点を当てています。アダプティブ DBS は、バイオマーカー バースト検出の遅延と停止ルールに焦点を当てています。 補足(問題#46): CLET、フォトダイオード、ループバック、TTLを使用してエンドツーエンド遅延とジッターを実際に測定し、LSLのtime_correctionをソフトウェアオフセット補正として位置付けます。これは、LSL だけで作動の開始が保証されるということではありません。 Next: 評価スイート (V1) 側では、ループ クラスを明示的に、中央値/P95/P99/ワーストケースのレイテンシー、棄権/フリーズ/停止の数、および追加の遅延に対するパフォーマンス低下曲線をそのままにします。特に位相ターゲット ループの場合は、ターゲット バンド/空間フィルター、パワー SNR ゲート、刺激なしレート、因果ベンチマーク対ポストホック ベンチマーク、平均位相オフセットと循環スプレッド、オフターゲットまたはランダム位相コンパレーター、および固定対適応位相ポリシーも残します。入口の整理については、Wiki: 閉ループ、遅延、ジッター、および安全停止を参照してください。 質問:粒度が増すにつれて忠実度は（暫定的に）向上しますが、識別（R7）と計算（I3）は機能しません。勝つための粒度はどれくらいですか? 次必須：「必要な測定（M2/M3）」「必要な計算（I3）」「合格評価（V0）」を粒度ごとに関連付け 質問:モデルの忠実度を高めると、計算リソースが爆発的に増加します。近似/圧縮(R8)はどこで行うべきですか? 次: パフォーマンスを損なうことなく評価スイートを圧縮できる限界を測定する 質問:構造が同じでも初期状態が異なれば動作も異なります。測定のどの時点 (M7) で「開始」すべきでしょうか? 反証条件：初期化の恣意性により結果が不安定であり、同一性評価(V5)が成立しません。 次へ: 初期化手順を修正し、初期化に対する感度 (堅牢性) を測定する 質問: 学習を許可する (R5) には、アイデンティティ (V5) と安全性 (D2) が含まれます。更新を監視するにはどうすればよいですか?また更新をどこで停止すればよいですか? 次に必要なもの:ドリフトインジケーター (V4) + キルスイッチ/アイソレーション (I8) 質問:クローズドループ検証 (I1/V1) には、環境と本体 (またはその代替物) が必要です。最低限の身体能力とは何ですか？ より厳密なポリシー:「実施形態」という言葉は、何らかの出力デバイスが存在するということだけを意味するのであれば、あまりにも安っぽくなります。 Flesher et al. (2021) は、触覚フィードバックによってロボット アームの制御が向上することを示しましたが、これは 局所代理感覚運動ループ の証拠であり、全身結合が解決されたというわけではありません。 Musallらと組み合わせる。 (2019)、ストリンガー他(2019)、Saleem 他(2013)、Ravassard et al. (2013)、Zelano 他。 (2016)、これは、I6 がイエス/ノーのラベルとして具体化について話すのではなく、どの身体/環境ループが存在したかを開示する必要があることを意味します。 次へ: 環境（VR/ゲーム/対話）を修正し、同じ条件下で繰り返し可能な評価を設計し、身体/環境境界カードとアブレーション計画を公開します。 質問:「同じ機種」でも数値誤差や並列順序によって挙動が変わります。どれくらいの決断力が必要ですか？ 次: 固定乱数、固定環境、および差分テスト (P2) を使用して、誤差が許容範囲内であることを検証します。 質問:強い主張 (P1 の L4 ～ L5) に近づくほど、より安全性が技術的要件になります。 次:L3 以降の実装計画に分離環境、モニタリング メトリクス、停止プロトコルの 3 つを含める 質問:WBE 実装を比較する場合、評価に熱力学をどの程度含めるべきですか?ここで混ぜてはいけないのは、ランダウアーの下限、組織レベルのエネルギー予算、粗粒ニューラルダイナミクスの時間不可逆性、モデルベースのエントロピーフローです。問うべき問題は、「これで同一性を証明できるか?」ということではなく、物理的コストと非均衡指標を誇張せずに監査する方法です。 2026-03 文献監査:Bérut et al. (2012) は、デジタル脳全体に対する壁面電源や NESS 再生条件ではなく、論理的に不可逆的なビット消去の最小散逸下限を実証しました。リンらは何をしたのか。 （2021）、デ・ラ・フエンテほか。 (2023)、および Nartallo-Kaluarachchi et al. (2025) は、fMRI/ECoG/MEG などの粗粒時系列から壊れた詳細なバランスと時間の不可逆性を測定することの有用性を実証していますが、これは微視的な物理的散逸や同一性の許容条件ではありません。また、Ishihara & Shimazaki (2025) は、エントロピー フローの推定が、状態空間運動論的アイジング モデル、ペアワイズ カップリング、平均場近似などの仮定を必要とするモデルベースの量であることを示しています。 2 番目の修正は、観測された軌道が自動的に熱力学的に閉じられないことです。 マルティネスら(2019) は、観察可能な電流が消失した場合でも、待機時間の非対称性によって隠れた散逸が明らかになる可能性があることを示しました。 Godec (2024)</a> は、粗視化と時間反転が両立しない場合、この解釈が失敗する可能性があることを示しました。Martínez et al。 (2024) は、元の主張をローカルインタイムの粗視化と、必要に応じて 2 次の半マルコフ構造に限定することで答えました。 (2024) </a> は、粗いランピングが散逸サイクルを隠し、記憶を誘発するため、観察された軌跡が素朴にマルコフとして扱われると推定値が非常に小さくなる可能性があることを示しました。 次へ: 同じモダリティと前処理チェーン内で再現可能な不可逆性ベンチマークに加えて、コンセント電源、FLOP、およびシミュレートされた代謝オーバーヘッドを分離するログ スキーマが必要です。少なくとも、 不可逆性ルート カード、 命名信号ルート、状態定義、観察された状態のクロージャ / メモリ順序、推定器ファミリー、ヌル / サロゲート制御、下限またはモデルベースの数量タイプ、およびハードウェア電源分離を公開します。詳細については、Wiki: 不可逆ルート カード を参照してください。 中心的な質問:「アイデンティティ/意識/行動の間で技術的に検証可能な基準をどのように定義し、それを反証するための条件をどのように設定すればよいですか?」 質問: 測定できないものは検証できません。 「成功のための測定可能な条件」として何を考慮すべきでしょうか? 分岐（例）：（A）行動と能力の同等性／（B）介入反応の同等性／（C）自伝的記憶と価値観の連続性（要注意） 次へ: V1 で評価スイートを事前登録し、P1 のクレーム ラダーにリンクします。 質問:タスク、メトリクス、ベースライン、統計、および障害条件を事前に修正してください。 次: まず、L0-L2 の「小規模だが再テスト可能な」スイートを作成します。 質問:相関マッチングは、物事を「シミュレート」するだけで実現できます。強力な検証は介入に合意があるかどうかだ。 証拠の強さは 4 つの段階で扱われます:このロードマップは、因果関係テストを 1 種類の合否に限定するものではありません。現在、一次文献はさまざまな強さの段階的な証拠を裏付けています。 必要なログ： 刺激部位、強度、マスキング、アーティファクトウィンドウ、同期パス、エンドツーエンド遅延の中央値 / P95 / P99、ジッター、ドロップアウト、回復時間、および 身体 / 環境境界カード ネーミングの保持 / 置換された感覚、運動、および内受容チャネル、概日位相などの遅い内部環境ルート糖質コルチコイド / 代謝体制、および代理身体 / 環境契約。これらが Hernandez-Pavon らによって要約された TMS-EEG 推奨事項から逸脱している場合は、 (2023) の結果は、ここでは比較可能な因果関係検定として扱われません。 決定ルール:ゲート 1 の成功だけでは、L3 または「反事実的等価性」は主張されません。より強い主張に進むためには、M6（介入設計）とR4（因果モデル）を結び付ける評価項目、外部検証、棄権条件を束ねて提出する必要がある。詳細な動作検証については、Verification Causal Perturbation Suite を参照してください。 次： M6（介入設計）とR4（因果モデル）を繋ぐ評価項目を作成し、少なくともゲート1/ゲート2を第三者が再実行可能な仕様に落とし込む。 質問:トレーニングと同じ条件下でのみ動作する場合、それはアップロードというよりも「再生」に似ています。新しい状況における一貫性を測定します。 次:トレーニングされていないタスク、環境変化、騒音条件下でのパフォーマンス低下曲線を定義する 質問:長期的な検証は、スコアが高いままかどうかだけではありません。 状態変動、トレイト様バックボーン、生物学的ドリフト、インターフェース/デコーダドリフト、保守経路負担が、時間主張が反証可能になるほど十分に分離されていたかどうかを問うものである。 2026-03-22 追記:古い表現は、「許容可能な変化」に関する抽象的な質問に近すぎました。サイトの現在の技術ルールはさらに狭いです。 ウィルソンら。 (2025) は、教師なし再キャリブレーションによって長期 iBCI 制御を維持できることを示しましたが、使いやすさと 固定デコーダの耐久性 は異なる主張です。 ワイラグカールら(2025) は強力な通信ルートを示し、また、特定の早い日にトレーニングされたデコーダーの劣化を定量化しました。したがって、V4 では、長期検証を 時間的有効性 、 取得レジームが交差する場合のブリッジ有効性 、および 永続性または忘却が要求される場合のメンテナンス状態の開示の組み合わせとして扱うようになりました . 次に必要:M7 長期的監査 + 時間的有効性カード + 更新ログ (P2)。複数日または複数の体制にまたがる請求の場合は、時間負担を暗黙的に残すのではなく、関連するブリッジおよびメンテナンス ルート カードを追加します。 質問: 記憶と人格の類似性、つまり心理的連続性だけでは、LLM のようなシステムによるコピーや模倣からアイデンティティを区別するのに十分ではありません。より厳密な工学的定義が必要です。 質問:意識は直接観察できません。したがって、問題は、タスク/レポートの混乱を最小限に抑えながら、理論 (IIT / GNWT / FEP など) によって生成される予測の差異をベンチマークできるかどうかです。 注:理論は仮説生成のためのツールとしてのみ扱われ、実装の成否 (WBE) は「特定の理論への適合性」ではなく、V2 (因果関係)、V3 (OOD)、V4 (長期安定性) の束によって決まります。ジオメトリやトポロジを使用する場合でも、主な合否ポイントは摂動と一般化の中に配置されます。 質問:エンジニアリングの観点から簡単に再現できます。分岐を想定していないと検証設計も失敗します。 次へ: 個人ID/バージョン管理(P2)とアイデンティティ評価(V5)を接続 質問:会話やレポートは模倣されやすく、言語モデルの事前分布が強いほど模倣される可能性が高くなります。したがって、ここで区別したいのは、抽象的な「AIらしさ」ではなく、神経信号が言語をどの程度超えるか、またそれが成立する様式、課題、時間スケールである。
古いフロントドアの文言は、読者がいくつかの異なる成果を 1 つの `speech BCI success` バケットに圧縮できるため、依然として粗すぎました。一次文献はそれを裏付けていません。 ウィレットら(2023) は同一セッションのスループットを強化し、境界付き固定デコーダ スライスも公開しました。Littlejohn et al。 (2025)はストリーミングスループット/表現力を強化、Wairragkarら。 (2025) は無音フォールバックで瞬間音声合成を強化、Singh ら。 (2025) は転送支援による初期化を強化し、Karpowicz et al. (2025) プラス Wilson et al. (2025) は適応安定化を強化しました。これらの文書はすべて同じ運用上の質問に答えているわけではないため、このロードマップではこれらの文書を 1 つの行に配置しません。
次: 質問: 研究への最短距離は、他の人がテストを繰り返すことができる状況を作り出すことです。アイデンティティについて議論が深まるほど、再現性の重要性が高まります。 次:P2 (成果物) を満たす範囲でデータ/コード/評価を公開する 質問:パラメータ空間における単純なユークリッド距離は、多くの場合、モデルの関数的動作の違いを反映しません。より本質的な「行動の近さ」をどうやって数値化するのでしょうか？ ポリシー: 単一の数学的距離を標準解として採用しません。現在、より強力な外部基準は、持続された摂動応答、OOD 劣化曲線、校正エラー、回復時間などの観察可能な動作から得られます。 Fisher-Rao などの距離、表現距離、多様体分離が候補として比較されますが、いずれもデフォルトの合否指標ではありません。 次: 同じベンチマークで候補距離が V2 / V3 / V4 の外部標準とどの程度一致しているかを比較します。感度分析では、前処理、サンプル数、状態の差が変更された場合にランキングが安定しているかどうかを明らかにする必要があります。 質問:PCI (複雑さ) などのスカラー値だけでは、意識の「質的構造」が同じかどうかはわかりません。 ポリシー:トポロジカル データ分析 (TDA) または多様体幾何学は、スカラー指標に該当する構造の違いを記述する ancillary の有望なトラックです。ユンら。 (2024) は、集団間のトポロジーを比較するための数学的基礎を提供しましたが、iScience 2024 マウス V1 円形多様体研究では、真実のトポロジーを取得するにはサンプリングの障害があることも示しました。したがって、トポロジーの距離は、意識構造の保証や WBE の合否に直接関係することはできません。 次へ: サンプリング、埋め込み次元、距離関数、前処理、セッション ドリフト、および摂動応答性による感度分析を通じて、安定した位相特徴のみが補助指標としてレポートされます。 中心質問：「L5（社会実装）にはテクノロジー以外にどのような制度、倫理、法的基盤が必要ですか？」 質問:WBE が成功した場合、エミュレーションは権利の対象になりますか?立ち止まることは「死」なのか？生殖は「誕生」なのでしょうか？ 現状：EU AI法や米国MIND法（2025年提案）などを通じてニューラルデータを保護する枠組みが整備されているが、WBE特有の問題（複製、停止、改変）には対応していない。 次へ: 技術検証と並行して倫理審査委員会向けの設計ガイドラインを作成(L0-L2) 質問:WBE プロセスへの同意は事前に与えられますが、プロセス中およびプロセス後に撤回する権利をどのように保証できますか? 次へ: 段階的同意モデル (各フェーズでの再同意) と終了権のエンジニアリング実装を設計する 質問:WBEが現実になったら、富裕層だけが「不死」にアクセスできる格差問題にどう対処するのでしょうか？ 次の必要性:格差を防ぐ最初のステップとして検証コモンズのオープンアクセス設計を位置づける 質問:エミュレーション改造、強制精神操作、軍事利用などのリスクにどう対処すればよいですか? 次へ: I8 (封じ込め) 設計と組み合わせて、アクセス制御、変更監査、終了権の技術的保証を設計します。
ここでは、「未解決」を曖昧な用語として使用しません。 入力とは何か、出力とは何か、そしてどのような条件下で合格/不合格となるか を定義します。先行研究が豊富であっても、判断基準があいまいであれば研究は蓄積されません。一方、定義が厳密であれば、小さな前進を確実に積み上げることができます。
上記の U0 ～ U15 は「良いアイデア」ではなく、「反証可能な研究課題」です。各問題は、の入力、出力、評価指標、の故障条件がすべて揃った場合にのみ「解決した」と判断されます。
未解決の問題を解決するために必要な先行研究を分野ごとにまとめています。目的は「文献を列挙する」ことではなく、どの証拠がどの問題に有効であるかを明らかにすることです。
新しい技術提案や質問ページを作成する場合は、以下の Markdown テンプレートをコピーして使用することをお勧めします。 R0(修復対象)とV0(検証基準)を先に固定する思考フローを強制するように構成されています。 「順番」が大切。たとえ測定に強くても、検証基準があいまいであれば進歩とは言えません。逆に、検証が良くても復元対象が定義できなければ実装は迷走してしまいます。
以下は、U0-U15 の未解決の質問に直接関連する主な文書です。拡張機能の詳細なリストについては、Paper Collection および Perspective References を参照してください。
M2
時間分解能の下限: どの時間スケールを「保存」する必要がありますか?
M3
空間解像度の下限:どの粒度(領域/列/ニューロン/シナプス)を目指すべきか?
人のルート
プロキシクラス
運用の成熟度/負担
このページでの安全校正器の役割
天井が残る理由
ヒトの局所超微細構造
Shapson-Coe et al. (2024)局所生体外構造足場
破壊的な手術片ルート。再現性のない生きた人間の取得
構造用足場のみ
1 つの外科サンプルからの生体外断片、生きた全脳の現在の状態ではない
SV2A PET アトラス
Johansen et al. (2024)領域シナプス密度プロキシ
健康コホートアトラス;トレーサーおよび定量依存
有界シナプス密度事前
Tracer 定義のアトラス。瞬間的なシナプス効果や細胞固有の可塑性状態ではない
受容体/輸送体アトラス
Hansen et al. (2022)地域化学建築以前
多くの健康な人の集約された PET アトラス。受容体ファミリー限定
境界神経調節ファミリー以前
現在の送信機の解放、占有、または全脳の神経調節状態を読み出しません
占有率 PET
Wong et al. (2013)Lリガンドおよび用量制限されたターゲットエンゲージメントプロキシ
投与薬物、受容体ファミリー、および境界付きスキャンウィンドウ設計
選択された受容体と標的の結合
内因性伝達物質の放出、一般的な伝達物質フィールド、サンプリングされていない受容体ファミリー、または細胞特異的な下流効果は回復しません
変位/解放感受性 PET
Koepp et al. (1998);リッパートら。 （2019年）;エリッツォーら。 (2020)チャレンジリンク型内因性放出プロキシ
Tタスク、薬物、リガンド、受容体ファミリー、動態モデル、およびウィンドウ固有の設計
名前付きチャレンジの下で制限されたドーパミン/セロトニン放出プロキシ
タスク一般的な送信フィールド、サンプリングされていない受容体ファミリー、または測定ウィンドウ外の細胞固有の下流効果は回復しません
1H-MRSI代謝コネクトーム
Lucchetti et al. (2025)パーセルレベルの生化学的類似性足場
51 人の健康な参加者、13 人の複製。 QCと梱包に依存
境界付き生化学足場
5 つの代謝物類似性マトリックス、高解像度の代謝物分布ではなく、エネルギーバランスではなく、運動速度イメージングではありません
ヒト31P-MRSエネルギーバランス
Ren et al. (2015)マクロ31Pエネルギーバランスプロキシ
7 被験者 12 名における T 安静時脳分光法。リン特有の取得とフィッティング負荷
境界のあるエネルギーバランスプロキシ
ATP 合成 / リン代謝物 / pH バランス、分岐局所ミトコンドリア コントローラー状態ではない
ヒト31P MT交換フラックスルート
Ren et al. (2017)モデル条件付きマクロ 31P MT交換フラックスプロキシ
7 3 ～ 8 分のモジュールと 5 つのプール モデリング負荷を伴う 6 人の被験者における T バンド反転伝達経路
有界31P交換フラックスプロキシ
PCr→γ-ATP および Pi→γ-ATP 交換フラックスは、名前付き MT モデルの下で、安静時のエネルギーバランス、NAD マッピング、または分岐局所ミトコンドリア コントローラー状態ではありません
ヒト31P NAD含有量マッピング
Guoら。 (2024)マクロ 31P NAD コンテンツ マップ プロキシ
7 部分空間ベースのノイズ除去、低濃度スペクトル フィッティング、長時間取得負荷を備えた T 全脳ルート
境界のある全脳 NAD コンテンツ マップ プロキシ
タスク誘発性の局所 NAD ダイナミクスではなく、分岐局所のミトコンドリア コントローラー状態ではなく、脳全体の瞬間瞬間の酸化還元制御でもない
ヒト31P機能的NADダイナミクス
Kaiserら。 (2026)ローカライズされた機能 31P NAD ダイナミクス プロキシ
7 以前の fMRI 位置特定と 1 つの後頭ボクセルを持つ 25 人のボランティアにおける T タスク fMRS
境界タスクロックされたローカル NAD ダイナミクス プロキシ
脳全体の NAD 内容マッピングではなく、タスク一般のエネルギーコントローラーのアイデンティティではなく、枝局所的なミトコンドリアコントローラーの状態ではありません
重水素代謝物マッピング/絶対定量ルート
Karkouri et al. (2026)マクロ重水素代謝物マッピング/絶対定量プロキシ
7 絶対定量パイプライン、専用ハードウェア、限定されたコホート、およびルート固有の用量 / タイミング負荷を備えた T 特化ルート
有界重水素代謝物マッピング プロキシ
速度イメージングではなく、分岐局所ATP予備量ではなく、細胞固有の生体エネルギーコントローラー状態ではありません
重水素速度イメージング
Li et al. (2025)モデル条件付きマクロ重水素運動速度プロキシ
7 血液入力、明示的な動態モデル、非常に小さなコホート、および経路固有の用量/タイミング負荷を伴う T 動的 DMRSI
有界重水素運動速度プロキシ
1 つの一般的な生化学メーターではなく、ブランチローカル ATP リザーブではなく、細胞固有の生体エネルギーコントローラー状態でもありません
人道規模の伝送速度推定
van Blooijs et al. (2023)Tract スケール タイミング サポート プロキシ
ミエリン特異的な定量化や軸索ごとの測定ではなく、発生に敏感な移動時間/管形状のヒト経路
境界付きトラクトスケールタイミングサポートプロキシ
ミエリン固有の量ではなく、ノード/ノード間の微細形状ではなく、軸索ごとの伝導コントローラーの読み取り値でもありません
数量定義ミエリン MRI / 組織健康感受性比率ファミリー
Hagiwara et al. （2018年）; Baadsvik et al. (2024);ガルブセラら。 (2025);コラエスら。 (2026)量で定義されたマクロミエリンプロキシファミリーと組織の健康に敏感な比率のルート
メトリック依存の有効性。二重層マッピングは原理証明のままであり、再ミエリン化キャリブレーションは特殊なケースのままであり、T1w/FLAIR はミエリン よりも広いままである可能性がある
境界ミエリン / タイミングサポートまたはより広範な組織健康ファミリー（経路に応じて）
MTsat、SyMRI、T1w/T2w、qT1、二重層、および T1w/FLAIR ルートは、1 つの交換可能なクレーム上限、1 つの共通量を共有せず、管速度推定に崩壊せず、軸索ごとのタイミング読み取りを提供しません
ヒト臨床単一ユニット割り当てルート
Tallman et al. (2025)ローカル診療ユニット割り当て関連プロキシ
てんかん患者におけるヒト海馬単一ユニットの移植ルート。局所性が高く病理学的に条件付けされた
有界ローカル人員割り当て関連キャリブレータ
脳全体の興奮性メーターではなく、AIS / チャネル状態の直接読み出しではなく、既存の興奮性と学習誘発性の興奮性をルートフリーで分離するものではありません
ヒトの睡眠恒常性/可塑性経路
Huber et al. (2013);クーンら。 (2016);フェエールら。 (2026)摂動条件付きメンテナンス プロキシ
睡眠履歴操作負担を伴う非侵襲的ヒトTMS-EEG / PASルート
有界興奮性/可塑性サポートプロキシ
どのセルクラス、シナプス、AIS/チャネル変更、または回復コントローラーが変更を生成したかを識別しません
ヒト状態依存性摂動ルート
Zrenner et al. （2018年）;カトリら。 (2025)ステートゲート摂動プロキシ
状態推定器と刺激タイミング負荷を備えた閉ループ刺激ルート
有界状態ゲート興奮性/皮質脊髄プロキシ
興奮メカニズム自体、AISジオメトリ、チャネル分布、または長期回復制御は測定しません
ヒトBBB水交換MRI
Morgan et al. (2024);パドレラら。 (2025)マクロ BBB 水交換プロキシ
ASL 法およびモデルに依存した、健康な成人 / 生涯にわたる負担を伴うルート
有界BBB水交換プロキシ
水交換の推定値はトレーサー固有の輸送ではなく、周皮細胞/内皮コントローラーのアイデンティティを読み取れません
Tracer 特異的 BBB PET 輸送
Chung et al. (2025)Tracer 固有の BBB トランスポート プロキシ
高時間分解能ダイナミック PET と 3 つの放射性トレーサーにわたる動態モデリング
境界トレーサー固有の BBB トランスポート プロキシ
名前付きトレーサーの PS 推定値。一般的な BBB 透過率スカラーまたはローカル コントローラーの読み取り値ではありません
ヒト血液CSF関門/脈絡叢灌流/輸送ファミリー
Zhao et al. （2020）;サンら。 (2024);プチクレールら。 (2021、2026);アンダーソンら。 (2022);ウーら。 (2026)脈絡叢灌流、血液からCSFへの水輸送、脈絡叢の水循環、見かけのBCSFB交換、または共同BBB対BCSFB ASL交換
ASL / 超長 TE ASL / DCE-MRI / REXI ルートファミリー、ルート固有のモデル負担、検証上限、HCP 老化灌流解析外の小コホート依存性
境界のあるBCSFB / 脈絡叢サポート状態プロキシファミリー
灌流は血液からCSFへの輸送ではなく、水の循環は明らかな交換ではなく、これらの行のいずれも一般的なBBBスカラー、一般的なクリアランスの真実、または脈絡叢上皮コントローラーのアイデンティティを特定していません
ヒトMAO-B PET：SMBT-1ファーストインヒトターゲット検証
Villemagne et al. (2022)Tracer ファミリ固有の MAO-B ターゲット検証プロキシ
セレギリンブロックおよび可逆的結合読み出し機能を備えたダイナミックヒトPET
境界のある MAO-B ターゲット検証ルート
SMBT-1 はヒト MAO-B 経路を読み取ることができるが、MAO-B 疾患のコントラスト、定量化転移、または一般的な星状細胞の状態が解決されるわけではないことを示す
ヒトMAO-B PET：SMBT-1 ADスペクトルコントラスト
Villemagne et al。 (2022)病理学コンテキスト MAO-B コントラスト プロキシ
AD 皮質下白質参照および断面認知 / アミロイド / タウ比較を含む連続コホート ルート
境界のある AD スペクトル星状細胞関連サポート状態プロキシ
ルートフリーの MAO-B メーターではなく、すべての疾患に一般化できるわけではなく、ローカル コントローラーの読み取り値ではありません
ヒトMAO-B PET：SMBT-1定量化/生体内分布負荷
Hiraoka et al. (2025);メスフィンら。 (2026)トレーサーファミリーの定量と生体内分布経路
定量化は指定されたスキャンウィンドウ/参照の選択または動脈モデリングに依存しますが、全身の生体内分布は臓器の分布と後期胆嚢の負担を追加します
有界SMBT-1取得・定量ルート
疾患対比と互換性がなく、一般的な MAO-B 番号が 1 つもなく、他のトレーサーファミリーやコホートが同じ上限を共有していることの証明にもならない
ヒトMAO-B PET：SL25.1188疾患/重症度ルート
松岡ら。 (2026);ベストら。 (2026)Tracer ファミリー特異的 MAO-B 疾患 / 共変量プロキシ
AD の定量化（動脈サンプリングなし）および AUD 重症度 / 指定されたトレーサーおよびモデルの仮定に基づく喫煙条件付き結合経路
有界 SL25.1188 疾患および共変量条件付きプロキシ
さまざまな疾患にわたる一般的な MAO-B 測定値ではなく、共変量がなく、SMBT-1 の結果と互換性がありません
ヒト I2BS 星状細胞関連 PET
Tyacke et al. （2018年）;リヴィングストンら。 (2022)I2BS ターゲット定義アストロサイト関連プロキシ
ヒト初のイダゾキサンブロックPETと、領域および段階に依存した行動を伴う認知障害コホートルート
境界のあるI2BSアストロサイト関連プロキシ
MAO-Bとは異なるターゲットクラス、MAO-Bトレーサーファミリーと同等のドロップインではなく、一般的なアストロサイト状態メーターではありません
ヒトクリアランスサポートルートファミリー
Fultzら。 （2019年）;キム、ファン、＆amp;劉 (2025);リムら。 (2025);ユら。 (2025);アイデら。 (2023);ヒルシュラーら。 (2025);ダガムら。 (2026)マクロサポート状態プロキシファミリー
睡眠連動CSF振動、実質-CSF水交換、呼吸条件正味流量、運動条件造影剤流入/髄膜リンパ流、くも膜下腔内トレーサー/CSFから血液へのクリアランス、特殊なCSF移動度MRI、またはデバイスおよびモデルを多用した夜間のバイオマーカー排出推論
境界クリアランスサポートプロキシファミリー
これらは、異なる観察対象、介入レジーム、交差境界、およびモデル負荷を備えた異なるクリアランス輸送列であり、ルートフリーのグリンファティックメーターや細胞特異的免疫制御、責任シナプス、または局所維持コントローラーの直接読み取りではありません
M4
全脳カバレッジ: 「全体」のどの程度を測定する必要があるか?
M5
マルチモーダル統合: アライメント (MRI/EEG/fMRI) を保証する方法は?
M6
介入・刺激：特定の可能性を高める「実験計画法」とは？
M7
LLongitudinal: 「個人の特性」は日内/日々の変動に対して安定していますか?
監査フィールド
必ず名前を付けてください
これで読みすぎが防げるのは何か
状態の注釈
覚醒、自発的行動、動き、タスクモード、時刻、睡眠圧、投薬、または刺激状態。
A 状態自体がログに記録されていない場合、同日または日をまたいだ差異は形質の不安定性として読み取れません。
形質様バックボーン
安定したままの名前付きバックボーン オブジェクト: 潜在力学や表現幾何学など。
単一ユニットまたは単一チャネルの変動を、安定した人口バックボーンが自動的に反証されるかのように扱ってはなりません。
生物漂流
生体システムにおける可塑性、再マッピング、ユニットの回転、回復、または学習関連の変化。
生物体側の変更をインターフェースまたは前処理の失敗に折りたたまないでください。
インターフェース/デコーダードリフト
電極シフト、チャネル損失、インピーダンス変化、機能分布シフト、またはデコーダーの不一致。
不安定な物体がインターフェースやデコーダーだった場合、生物学的表現が崩壊したとは言わないでください。
固定デコーダ間隔/再キャリブレーション負担
デコーダーが変更されなかった期間、レスキューまたは再キャリブレーションが行われた頻度、使用されたデータ、および失敗したときに何が起こったか。
アダプティブ レスキューを、あたかも元のデコーダが単独で有効であったかのように言い換えないでください。
M8
品質管理: アーティファクト/欠落/ノイズを「定量化」して処理する方法は?
M9
標準化: 他の人が再テストできる形式で BIDS/メタデータを使用するにはどうすればよいですか?
Reconfigure: 何を復元するか? (回路/状態/学習ルール)
R0
復元する最小セットは何ですか? (構造/状態/学習ルール)
構造 + 状態 を 1 つのダイヤルとして扱いません。
復元対象内のレイヤー
明示的に名前を付ける必要があるもの
省略すると失敗するもの
まだ省略されている場合は上限を請求
構造足場
C細胞のアイデンティティ、全体的な形態、接続グラフ、主要な軸索経路の制約
ローカルルーティング、病変/摂動パス制約、および回路レベルの介入マッチングには、実行する基板がありません
構造前のみ、実行可能人モデルではありません
高速実行可能状態
瞬間的な活動状態、有効なシナプス効果、固有の興奮性/動作点、および現在の神経調節レジーム (R10)
同じ足場でも異なる即時軌道と介入反応を表現できる
構造条件付きシミュレーター または同じセッションのプロキシ、デモされた状態の一致ではない
メンテナンス/資格ステータス
Sシナプスタグと捕捉条件、局所タンパク質増殖サポート、睡眠/再生カップリング、転写安定化、ミエリン/結節周囲状態、グリア代謝サポート、ECM/PNN状態
学習の持続性、日々の記憶力、タイミングの安定性、および摂動が不定になった後の回復
ショートウィンドウ再生のみ;安定した複数日間の学習や継続性についてここで主張する必要はありません
R1
逆問題: 観察(M1)から一意に何が推測できるか?
R1 逆監査フィールド
このロードマップが今求めているもの
それが重要な理由
ソースレジーム/ターゲットオブジェクト
論文が焦点サポート、疎な時空間ソース セット、拡張ソース エクステント、または別の宣言されたオブジェクトを推定しているかどうかの名前。
異なる逆ファミリは、同じ科学的ターゲットを自動的に推定しません。
不確実性物体
メソッドが事後サポート、偏りのない間隔/テスト、範囲重複マップ、または位置の広がりのみを返すかどうかを指定します。
返されたオブジェクトが逆ファミリで変化する場合、Uncertainty は 1 つのスカラーではありません。
順モデル不確かさルート
導電率、ヘッドモデル、電極形状の不確実性が伝播、固定、または校正されたかどうかを説明します。
A のよりシャープな後方は、物理学の上流に依然として存在する不確実性を消去しません。
検証ボード/運用体制
証拠がシミュレーション、ファントム、DBS/刺激グラウンドトゥルース、同時侵入記録、または別のボードから来たものであるかどうかを指定します。
1 つのボードで成功しても、すべてのソース クラスおよび臨床/実験レジームに自動的に転送されるわけではありません。
R2
Source 推定: EEG から脳活動の「どの表現」が必要ですか?
R2 代表ファミリー
比較的ダイレクトに返せるもの
このロードマップがまだ自動的に推論することを拒否しているもの
確率的焦点源ファミリー
少数の焦点源仮説のための事後サポートと代替構成。
スパース時空間推論または拡張ソース エクステント リカバリには自動的に昇格されません。
S疎な時空間家族
時間の経過に伴うスパースソースセットのバイアス補正された振幅、方向、深さ、および推論。
すべての以前のフォーカルボード最適化または拡張ソース検証には自動的に昇格されません。
拡張ソースファミリー
空間的に拡張された活性化のための不確実性を伴う推定位置プラス範囲。
焦点ソースのベストケース、またはソース体制全体にわたるユニバーサルベンチマークの勝利には自動的に昇格しません。
R3
State 推定: 潜在状態を定義する方法とそれを検証する方法?
潜在状態ファミリー
比較的直接的に制約するもの
省略しても潜在的に残るもの
高速実行可能状態
即時の活動軌跡、瞬間的な有効シナプス効果、および同一セッションの介入反応。
同じ足場が、数時間から数日間で後で安定したり、忘れたり、回復したりするのが異なる理由。
リンシグナル伝達/セカンドメッセンジャー経路
コンパートメント特異的なゲーティング、リン酸化サイト占有ロジック、キナーゼ/ホスファターゼバランス、可塑性発現を調節する局所シグナル伝達ナノドメイン。
A モデルは、どのプラスチック変更を許可するか、ブロックするか、リダイレクトするかを決定するコントローラーを備えていませんが、次のステップのアクティビティに適合できます。
局所プロテオスタシス / タグ捕捉ルート
どのタグ付きシナプスまたは分岐が可塑性関連タンパク質を捕捉し、どの後期変化が局所代謝回転に耐えるか。
Late の安定化、再統合、永続性は、高速状態の予測が向上したとしてもまだ未確定のままです。
貨物輸送・細胞骨格輸送ルート
どの受容体、エンドソーム、RNA カーゴ、シナプス前成分が時間内に必要なコンパートメントに実際に到達するか。
転写物の豊富さ、ATPサポート、または重量推定値が適切に見える場合でも、コンパートメント固有の維持と構造可塑性は潜在的なままです。
R4
Causation: 介入に対する反応を予測できるモデルは何ですか?
R5
Plasticity: 学習ルールを「導入する」ことと「含まない」ことの境界は何ですか?
ルート
比較的安全に許可されるもの
最小納品物
(A) 固定モデル/塑性主張なし
同一セッション フィット、有界閉ループ制御、または永続性クレームのない狭い介入結果。
デコーダー ホライズン、同一セッション ホールドアウト、忘却/再統合/回復の棄権、およびメンテナンス完了の主張は行われないという明示的な声明を修正しました。
(B) 固定高速状態モデル + メンテナンス公開
持続性の制御者が特定されたとは主張しない、日をまたいだ比較または体制間の比較。
Temporal Validity Card、状態注釈、Maintenance-State Error Budget、固定デコーダとレスキュー モードの分離、およびリン酸化、プロテオスタシス、カーゴ、またはその他のメンテナンス コントローラーが引用されている場合の関連ファミリー ルート カード。
(C)明示的可塑性/メンテナンスモデル
宣言されたコントローラー ファミリを使用した名前付き永続性、再統合、リカバリ、またはリモート メモリ クレーム。
名前付き可塑性ルール、ファミリーレベルのアブレーション、ホールドアウト摂動予測、固定デコーダの耐久性と再キャリブレーション負荷、取得レジームがブリッジされた場合の状態継続ブリッジカード、およびコントローラの想定が崩れた場合の障害/フォールバックポリシー。
R6
Personalization: 一般モデル + 個別パラメータ?それとも完全に個人的なものなのでしょうか？
ルート
このルートで比較的安全に読めるもの
最小納品物
(A) 共有モデル+主体素評価
個人に依存しない信号が残っているかどうか、および集団レベルの一般化がどこまで確立できるか。
Leave-1-subject-out / Leave-1-session-out、生録画の祖先、件名/セッション/サイト/デバイス/参照システム/電極レイアウトのメタデータのみのベースライン、指紋分類子、調和ログ、および同じ生の録画から切り取られたウィンドウがトレーニング/テストと交差しないことの明示的な保証。
(B) 共用エンコーダ + 被写体適応
対象の主題に共通の表現を着地させるためにどの程度のキャリブレーションが必要か。
凍結された部分とトレーニング可能な部分、適応予算、いつ対象被験者データが導入されるか、適応前/適応後のスコア、固定デコーダー期間、日をまたぐ劣化と再キャリブレーションの負担。
(C) 完全に主題に特化したデコーダ/コントローラ
参加者に条件付けされた通信/制御ルートがその個人に対してどの程度機能するか。
トレーニング時間、協力負担、被験者内ホールドアウト、日をまたいだホールドアウト、沈黙/棄権行動、再調整負担、および他人の一般化を主張しない明示的な上限。
R7
識別可能性: 推定は「独自の解決策」に近づいていますか?不確実性についてはどうでしょうか？
曖昧性クラス
読者を騙す方法
実際に保険金請求の上限を引き上げるもの
このロードマップがまだ数えることを拒否しているもの
対称/再パラメータ化の曖昧さ
いくつかのパラメータまたは状態の変換は、依然として同じ宣言された出力を生成するため、適切な適合は、そうでない場合でも一意に見えます。
対称性を破るオブザーバブル、既知の入力/初期条件、または隠れた変換を削除する明示的な再定式化を追加します。
オプティマイザの再起動が多くなり、フィッティングが長くなる、または同じ有益でないプロトコルの繰り返しが増える。
体制制限型縮退
異なる内部状態またはパラメータ セットは、1 つの狭いタスク、状態、または動作レジーム内で一致し、その外でのみ分岐します。
状態遷移、持続的な励起、ターゲットを絞った録音、または摂動コントラストを使用して、生き残った選択肢を分離します。
代替案が同一直線上にある場合、同じ狭いレジームからのより多くのパッシブ サンプル。
モデルファミリー/省略された機構の曖昧さ
相補的な条件によって系統的な残差や欠落したメカニズムが明らかになるまで、近似ファミリーはよく特定されているように見えます。
R不一致ストレス テストを実行し、より豊富な/代替モデル ファミリを比較し、事後説明の代わりに保留された反証を要求します。
1 つの誤って指定されたファミリーまたは 1 つの見出しの適合性が向上し、内部の間隔が狭くなります。
Tタスク変数の相互作用/表現の曖昧さ
A の縮小表現は、実際に動作を駆動する相互作用構造を見逃しながら、相関関係を予測します。
タスク変数の相互作用を保存または撹乱し、競合する表現の介入側の予測を比較します。
相関のみの次元削減、汎用マルチモーダル融合、または摂動のない解釈可能言語。
証拠パターン
改善できること
まだ閉まらないもの
このページの次回の監査が必要
同一セッションマルチモーダルバンドル
可観測性を強化し、補完的なエラーを露出できる
それ自体では、共有ドライバーのリスク、数量の不一致、または潜在状態の多重性は除去されません
Fusion Card と R7 候補スペース監査
コネクトーム制約付き予測子
候補ダイナミクスの 1 つのファミリーを制限可能
単独では動的縮退や省略状態ファミリーを削除しません
可観測性バジェット (コネクトーム制約モデル カード) プラスホールドアウト記録 / 摂動
同一脳または同一主題のシーケンシャル パイプライン
複数のステージ間で標本のアイデンティティを接続可能
それ自体は、固定、遅延、またはレジームシフトにわたる同じ状態の連続性を保証しません
状態継続性ブリッジ カード プラス時間的有効性開示
設計側監査フィールド
R7が今求めるもの
これで読みすぎが防げるのは何か
名前のあいまいさ
現在のフィット後にどの状態、パラメータ、コントローラー、またはモデル ファミリが混同されやすいのか、また次のプロトコル ステップでどの状態を分離しようとしているのかを示します。
別のタスクまたはモダリティを追加しました は、対象となる曖昧さの削減として読み取られません。
識別可能性の目的
実用的な識別可能性、モデルの識別、事後収縮、プロファイル尤度の幅、または別の宣言された基準を最適化するために次の条件が選択されたかどうかを指定します。
A のよりリッチなプロトコルは、単に一般的な最適化スコアが向上したという理由だけでは有益とはみなされません。
直交レジーム/ターゲットを絞った録画レバレッジ
単に 1 つの狭いレジームをリサンプリングするのではなく、生き残った候補を別々にローテーションする必要がある刺激範囲、状態遷移、摂動タイミング、またはターゲットを絞った記録サブセットを開示します。
同じ操作スライスからのそれ以上のサンプルは、崩壊した縮退として読み取られません。
モデル不一致応力
新しい条件によって系統的な残差、適合の失敗、またはメカニズムの省略が明らかになったかどうか、およびその後、より豊富なモデルまたは代替モデルのどの階層がチェックされたかをレポートします。
隠れたモデル誤差のみを強制的に可視化した設計では、名目上の不確実性が高くても信頼できるとは見なされません。
最小十分停止ルール
クレームを上げるために必要な最小の条件/時点/記録セット、停止するために使用される不確実性またはオーバーラップしきい値、およびその最小設計に達した後に残っている候補オーバーラップの量を事前定義します。
停止ロジックが宣言されていない場合、オープンエンドのデータ蓄積は解決された識別可能性として読み取られません。
R8
Compression：どんな情報を捨てても「検証基準」は維持できるのか？
R9
Audit: モデルの違いや失敗例を「保持」する仕組みは何ですか?
R10
神経調節: 気分、注意力、音量伝達をどのように組み込むか?
シングルムードスカラーとして扱われません。これは、少なくとも 5 つの非同等の横木を持つはしごです。 (1) 瞳孔 / HRV / 運動などの混合覚醒プロキシ は粗い共変量のみです。 (2) 局所軸索または伝達センサー は、測定領域の化学信号を校正しますが、脳全体を校正するわけではありません。 (3) 受容体/輸送体アトラス は、現在の状態ではなく、以前の局所的な化学構造です。 (4) 占有 PET は、投与された薬剤の下でリガンド、受容体ファミリー、用量、およびウィンドウ制限された標的結合です。 (5) 置換/放出感受性 PET は、チャレンジ、リガンド、受容体ファミリー、および時間枠限定の内因性放出プロキシです。ここでは、これらの段階のいずれも単独では現在の全脳神経調節状態の真実として受け入れられません。 実装: 何を根拠にしていますか?リアルタイムのパフォーマンスについてはどうですか?
I0
Execution プラットフォーム: 汎用コンピューティング/GPU/HPC/ニューロモーフィックのどれを目指していますか?
I10
Time 連続性: 離散時間 (RNN) または連続時間 (ODE)?
I1
閉ループ: リアルタイムで何ミリ秒の遅延が許容できますか?
I2
Model の粒度: スパイク/レート/抽象化の間でどこで争えばよいでしょうか?
I3
計算量: メモリ/電力/並列化のボトルネックはどこですか?
I4
Initialization: モデルの「初期状態」を与えるには?
I5
Learning と Drift: 学習用の「安全なアップデート」を設計するには?
I6
Embodiment: どれくらいの量の入力/出力 (センサー/動き/言語) が必要ですか?
I7
再現性: 実装の違い (言語/ハードウェア) によって結果が変わらないという保証はありますか?
I8
Safety: 隔離、監視、封じ込めをどのように行うか?
I9
熱力学: 導入コストと不可逆性を監査するにはどうすればよいですか?
このページで修正される処理
Virtual Dissipation Protocol、生体脳20Wマッチング、通信:演算比マッチングは現時点では合格条件として設定されていません。 Verification: それらが同じであるとするには何を満たさなければなりませんか?
V0
検証対象：アイデンティティ・意識・行動のどれを「工学的に」検証するのか？
V1
Evaluation スイート: 「進捗」として何を測定する必要がありますか? (事前登録)
V2
C因果関係テスト: 刺激/介入は「同じ反応」を生み出すことができますか?
V3
一般化: 配布外 (OOD) でも「アイデンティティ」を維持できますか?
V4
L長期: 学習、ドリフト、忘却をどのように評価するか?
V5
Identity：心理的連続性を超えた「因果的同一性」とは ？
V6
Conciousness: 理論に依存した予測はどの程度まで「検証可能」にすることができますか?
V7
Copy/branch: 複数のインスタンスが実行されている場合、「プリンシパル」をどのように処理しますか?
V8
LLM／模造品との見分け方：外見は似ていても中身が違うかどうかはどうやって判断するのですか？
トラック
2026-03時点で比較的強い声明
まだ言えないこと
非侵襲的なセマンティック/キャプションのデコード
Tang と堀川は、fMRI を使用して、連続言語の意味論的再構築とビデオ コンテンツの説明の生成を進めました。ここでの目標は意味表現の一部を外部の文に転送することです。
被験者の協力、課題条件、字幕候補空間への依存が残るため、これだけでは自己モデルやWBEの再現とは言えません。
非侵襲的な単語/音声デコード
デフォセズら。およびダスコリら。 MEG/EEG からの音声/単語の高度なデコードが行われており、MEG タスクと読み取りタスクが有利であり、データ量がパフォーマンスを大きく左右することを示しています。
自由回答型の思考の読み取りと、日を超えた/タスクを超えた強力な一般化は別の問題です。候補セットとデバイスの依存関係を隠しながら、強力な議論を行うことは不可能です。
侵襲的ストリーミング音声ニューロプロテーゼ
Willett、Littlejohn、および Wairagkar は、ローカル通信サブシステムとしての音声 BCI において大きな進歩を遂げました。豊富な語彙、ストリーミング スループット、閉ループ独自の音声合成が重要な成果となります。
ここで示されているのは、通信ルートの局所的な進歩であり、全脳エミュレーションやアイデンティティの保存ではありません。また、スループットは、それ自体で転送可能性、固定デコーダの耐久性、またはレスキュー負荷を決定するものではありません。
転送支援音声デコーダの初期化
Singh et al.分散頭蓋内記録は、個人のデータのみでトレーニングされたモデルよりも優れたパフォーマンスを発揮するグループ派生デコーダーをサポートし、個人の初期化のための伝達学習ルートを可能にすることを示しました。
これは、サブジェクト間の初期化と共有潜在構造の証拠であり、サブジェクトに依存しない最終展開や初期化後の永続的な固定デコーダ操作の証拠ではありません。
固定デコーダ耐久性スライス
ウィレットらWairagkarらは、境界のある新しい日なしのトレーニングスライスを報告しました。高速音声合成と、デコーダが救助なしで使用可能な期間との違いを無視することは不可能になりました。
これはまだ、固定デコーダが長い期間にわたって、変化するタスクにわたって、または身体/環境体制の変化にわたって適切であり続けることを示していません。
適応型スタビライゼーション/レスキュー
Karpowicz et al.およびウィルソンら。は、記録条件がドリフトした場合でも、潜在力学アライメントと教師なし再キャリブレーションにより iBCI のパフォーマンスを安定化できることを示しました。
これはレスキュールートであり、元のデコーダーが単独で安定していたことを証明するものではありません。したがって、固定デコーダの耐久性やサブジェクトに依存しない展開に折りたたむことはできません。
脳なし、タイムシャッフル、トライアルシャッフル、LMのみ、なしLM。デコードが検索ベースの場合は、候補セットのサイズも公開します。 P50/P95/P99レイテンシー、沈黙/棄権、ドロップアウト、再調整負荷、および回復時間もレポートします。 LM のみ / シャッフル / OOD / クロスデイ / レイテンシー / 棄権 / 再キャリブレーション をバンドルした評価パックを V2 (介入)、I1 (閉ループ)、および R4 (因果モデリング) に接続し、通信ルートの進行状況が WBE に関する主張と混同されないようにします。
V9
追試：第三者が「同じ結論」に到達できるように設計されていますか？
V10
Model の距離: 生物学的な脳とエミュレーションの間の「近さ」をどのように測定するのでしょうか?
V11
トポロジー: 意識の「構造」は保存されていますか?
ソーシャル実装: テクノロジーの先に何が必要か?
D0
倫理的枠組み: エミュレートされた存在の権利は何ですか?
D1
同意と撤回: インフォームド・コンセントはどのように設計すればよいですか?
D2
アクセスと公平性: WBE にアクセスできるのは誰ですか?
D3
Security: 悪用のリスクと制御をどのように設計するか?
未解決問題の定義カタログ（厳密版）
ID
未解決問題の定義（厳密化）
既存ポイント
未解決の境界 (次に閉じる点)
U0
操作上の同一性: 介入セット I と時間ウィンドウ T について、生物学的システムとモデル システムの間の条件付き分布の差が閾値未満であれば、それは「同一」であると定義できますか?
V0/V5にはフレームワーク定義があります。心理的連続性と因果的同一性の区別を導入しました。
介入セット I の最小完全性条件、しきい値設定、および事前登録ルールは決定されていません。
U1
逆問題の識別可能性: 観測値 y から潜在的なソース x を推定するとき、事後分布の集中度によって「一意の解への近さ」を定量化することは可能ですか?
R2では不確実性を伴う推定の方針が明記されています。ただし、公開実装と外部検証は不完全です。
順モデル誤差（導電性・形状）を含めた総合的な識別可能性は検証されていません。
U2
時空間解像度の下限: 認知、学習、介入反応を破壊することなく、各タスクの最小時間/空間解像度を定義することは可能ですか?
M2/M3で論点が整理されました。
閉ループタスクで測定された境界（遅延許容値/粒度崩壊ポイント）が不十分です。
U3
被験者の境界: 被験者に含まれる生理学的、神経学的、および環境要素の最小セットは、検証可能な操作的定義で固定できますか?
Hybrid 測定プロトコルが存在し、M4 / I6 に公共団体 / 環境境界カード ポリシーが追加されました。
境界変更が完了していない場合にV5判定がどの程度変化するかを感度解析します。
U4
反事実的等価: 観察された一致ではなく、介在する分岐の予測一致に基づいて等価性を判断できますか?
R4/V2/V6で理論方針が明確になりました。
反事実の仮想ジェネレーター、誤った介入ベースライン、および停止ルールの実装が不十分です。
U5
学習ルールと性格の偏り: 学習の更新が許可される場合、表現の変更はどの程度まで同じと見なされますか?
この問題は R5/V4 で発生しています。
各更新ルールの許容ドリフトしきい値とキルスイッチ条件は未定義です。
U6
個人化と一般化の分離: 個人固有のパラメータとタスク共通のパラメータを識別し、過剰適合を回避することは可能ですか?
R6における評価方針を示します。
個人内/個人間の分解のための標準ベンチとテスト計画が不足しています。
U7
マルチモーダルアライメント: EEG/fMRI/行動/生理学を統合する場合、座標、遅延、ノイズの違いを可聴に保つことができますか?
M5/M9、Motion-BIDS ポリシー (問題 #46) で必須。
同じデータを使用した複数の統合パイプラインの一致率評価はまだ開発されていません。
U8
閉ループ安定性: 遅延、ノイズ、環境変化下でもモデルが故障することなく制御できますか?
I1/I6を使用して要件を整理します。
遅延やジッタの実測に基づく安全動作領域の特定が不十分です。
U9
OOD 堅牢性: 学習していない環境、新しいタスク、騒音条件下でも同一性インデックスを維持できますか?
CV3 での問題を解決しました。
劣化曲線（どのくらいの速度で崩壊するか）の規格化が確立されていません。
U10
熱力学的一貫性: 情報処理が物理的不可逆性と散逸の制約を満たす実装条件を定式化することは可能ですか?
理論編成はI9と問題#58/#61/#62で進歩しました。
測定可能な実験指標 (散逸率、因果密度、効率) の統一はまだ完了していません。
U11
摂動/自発的/幾何学プロキシのキャリブレーション: PCI/PCI-ST、自発的複雑性、臨界性、および多様体/トポロジーの指標はどのような条件下で一致し、どのような条件下で分離しますか?
V6 / V11 におけるベンチマーク階層と補助分析の役割の違いを定義しました。
Lマルチコホート、報告なし、摂動条件にわたる外部キャリブレーションの欠如。
U12
ブランチ ID (複数インスタンス): 複数ブランチ後の個人 ID、責任、および評価帰属を処理する方法。
V7ではバージョン管理の必要性が明確に示されました。
A の分岐点と評価期間を固定したシステム設計はまだ開始されていません。
U13
模倣分離テスト: 行動模倣 (LLM タイプ) と因果構造の保存は実験的に区別できますか?
問題 #10 の 3 軸ベンチマーク、V8 の統合ポリシー。
介入、閉ループ、内部状態の一貫性を同時に課すテスト グループが不足しています。
U14
再テスト可能性の実装: 第三者が同じデータと手順を使用して同じ結論に達できるように操作を修正することは可能ですか?
要件はP2/V9で整理されました。
実行環境、差分ログ、障害例の公開までの操作フローが不完全です。
U15
社会実装ガバナンス:権利、同意、責任の配分は技術評価と同期して設計できますか?
問題は D0 ～ D2 から抽出されています。
テクニカルKPIとシステムKPIの連携ルール（キャンセル基準を含む）が未定義です。
最も重要な 3 つの問題の追加の内訳 (詳細)
U4 因果的等価
U10 熱力学的一貫性
U12 分岐アイデンティティ
先行研究マップ（重点分野別）
エリア
代表的な先行研究（抜粋）
U0-U15への貢献
WBE 基本・個性
Sサンドバーグ＆amp;ボストロム (2008)、山川ら。 (2024)、パルフィット (1984)、クロウズ (2021)、ウェーバー (2025)
U0、U12、U15
意識理論と検証
Tononi (2015)、Tononi et al. (2016)、アルバンタキスら。 (2023)、Doerig et al。 (2019)、フェランテら。 (2025)、Casali et al。 (2013)、コモラッティら。 (2019)
U0、U4、U11
EEG/MEG 逆問題
ミシェル&アンプ;ブルネット (2019)、ウィップ＆amp; Nagarajan (2009)、Cai et al. (2021)、Sechet et al。 (2025)、フォルヴェルクら。 (2014)、メダニら。 (2025)
U1、U2、U7
前処理/同期/接続
ウィルソンら(2010)、トンプソンら。 (2013)、モーラら。 (2017)、ベリンスカヤ他。 (2020)、マンスーリら。 (2018)、Zrenner et al。 （2018）、アッペルホフ＆amp; Stenner (2021)、Kothe 他。 (2025)
U1、U7、U8、U14
デコード
ヒュースら。 (2016)、タンら。 (2023)、Défossez 他。 (2023)、堀川 (2025)、d'Ascoli et al. (2025)、ウィレットら。 (2023)、リトルジョンら。 (2025)、Wiragkar et al。 (2025)、ウィルソンら。 (2025)
U4、U8、U9、U13
因果/能動的推論
フリストンら（2003）、フリストン（2010）、フリストン（2017）、パー＆amp;フリストン (2019)、ラウコネンほか。 (2025)、コレアら。 (2021)
U4、U5、U9
生物学的制約
Cクックら(2019)、Scheffer et al。 (2020)、Kasthuri et al。 (2015)、Santello et al。 (2019)、オズセテら。 (2024)、ガムリンら。 (2025)
U2、U3、U6、U7
測定拡張(OPM等)
Botoら(2018)、シーモア他。 (2021)、ホームズら。 (2023)、ホームズら。 (2025)、ローズら。 (2025)
U2、U7、U8
標準化・再現性
ゴルゴレフスキーら。 (2016)、ペルネットら。 (2019)、EEG-BIDS アップデート、オープン ベンチマーク プラクティス
U14
倫理、権利、法制度
ユステら（2017）、イエンカ＆amp;アンドルノ (2017)、MIND Act 講演 (2025)
U12、U15
熱力学/計算可能性
seifert (2012)、北園ら。 (2018)、IIT に関する複雑さの軽減研究 (2025)
U10、U11
読み順（実用用）
T科学コア質問ページのテンプレート (推奨)
テンプレートの表示 (クリックして展開)
## 科学コア質問ページのテンプレート（すべての項目が含まれています/そのままコピー＆ペーストできます）
> 目的: **「最初に R0 (回復対象) と V0 (検証基準) を決定し、次に M0 (測定) と I0 (識別可能性) について議論する」 **これは順序を強制するテンプレートです。
> ※各項目に「未確認の場合は未確認」と明記してありますのでそのままお進みください。
---
# 0. タイトル
* **ページタイトル**:
* **一文の要約 (結論が先にあります)**:
* 「このページでは、_____ を _____ の標準に戻すために必要な測定要件 (時空間分解能、観測変数) を特定します。」
---
# 1. セントラルクエスチョン（CQ）
* **中心的な質問**:
* 「『復元対象（R0）』を一意に近づけるためには、どのくらいの時空間解像度で_____を取得すればよいでしょうか？」
* **質問の焦点** (主戦場):
* [ ] 観測変数の選択 (何を測定するか)
* [ ] 解像度/範囲の下限 (どの程度細かい/広いか)
* [ ] ノイズ・測定値抜け・個体差の許容範囲
* [ ] 因果関係（介入の可能性）を含む特定
---
# 2. 用語/範囲の修正 (曖昧さ回避)
* **対象種**：ヒト/動物（種：＿＿＿）/シミュレーション
* **ステータス範囲**: 安静時/作業中 (タスク: _____)/睡眠中/薬理学的介入
* **時間スケール**: ミリ秒から秒/分から時間/日から年
* **空間スケール**: 細胞/列/領域/脳全体
* **「修復」の意味** (直感ではなく定義による): ＿＿＿＿
---
# 3. R0: 復元ターゲット (最も重要/最初に決定)
## 3.1 何を復元するか（対象の定義）
* **ターゲット R0 を復元します**:
※例）構造（配線接続）／ダイナミクス（状態遷移）／機能（入力→出力）／記憶／戦略／主観レポートを含む自己モデルなど
* **R0 出力形式** (「復元された」とみなされるためには、最終的に何を出力する必要があります):
* 例）パラメータセット、生成モデル、状態空間モデル、エージェントポリシー、シミュレータなど
## 3.2 同一性（同値関係）＝「成功」の定義
* **同値関係(同じであれば成功)**:
* 「＿＿＿＿が一致する場合、R0 は同じであるとみなされます。」
* **許容範囲** (どんなに異なっていても、同じように扱われます):
* 指標：＿＿＿＿、閾値：＿＿＿＿
## 3.3 仮定 (R0 に暗黙的に含まれる仮定)
※例）脳はマルコフ的である / 観察可能な潜在状態が存在する / 学習可能な関数クラスとして表現できる など
* **前提条件のリスト**:
* A1：＿＿＿＿
* A2：＿＿＿＿
* A3：＿＿＿＿
---
# 4. V0: 検証基準 (合否テスト)
## 4.1 「回復」とは何か（テスト設計）
* **検証タスク**: ＿＿＿＿
* **評価データ**: 個人内/個人間の一般化/条件付き外挿 (反事実)
* **ベースライン**: ＿＿＿＿ (例: 単純なモデル、既存の手法)
## 4.2 指標（定量的）と合格ライン（閾値）
* **主な指標**: ＿＿＿＿ (例: 予測精度、可能性、因果関係の一致、行動分布距離)
* **合格ライン**: ＿＿＿＿ (閾値または比率)
* **再現性要件**: n = ＿＿＿、再現率＿＿＿、事前登録の有無＿＿＿
## 4.3 介入/因果関係を使用する場合 (推奨: 可能であれば含める)
* **介入措置**: 刺激/薬理学/損傷/閉ループ制御
* **介入時の一致条件**：＿＿＿＿（「応答一致」の定義）
---
# 5. M0：測定前提（MEASUREMENT）
## 5.1 測定経路の想定（どの経路を想定するか）
* **予測**：
* [ ] in vivo (非侵襲的)
* [ ] in vivo (侵襲的)
* [ ] 破壊スキャン (生体外 / 未来ビジョン)
* **安全/倫理/規模の制約**: ＿＿＿＿
## 5.2 観測対象（何を測定するか）候補リスト
* 電気: EEG/MEG/ECoG/シングル/マルチポイント
※血流：fMRI/fNIRS
※光学系：Caイメージング等
* 構造：MRI/DTI/EMなど
* **このページで主に扱う観測値**: ＿＿＿＿
## 5.3 予想される時空間解像度/カバレッジ
* **時間解像度**: ＿＿＿＿
* **空間解像度**: ＿＿＿＿
* **対象範囲**: 局所/広域/脳全体
* **サンプリングの制約 (期間/回数)**: ＿＿＿＿
* **ノイズフロア/欠落**: ＿＿＿＿
---
# 6. P0: 推定モデル/表現 (モデルの仮定を指定)
* **推定される潜在表現**: 状態空間/因子モデル/生成モデル/エージェント ポリシー/コネクトームなど。
* **学習パラダイム**: 教師あり/自己教師あり/データ同化/シミュレーターの組み合わせ
* **必要な誘導バイアス**: _____ (例: 低次元性、スパース性、対称性、解剖学的制約)
* **計算リソース/実装上の制約**: ＿＿＿＿
---
# 7. I0: 識別可能性 (このページの「核心」)
## 7.1 クレーム (1 ～ 2 文)
* **I0 クレーム**:
* 「R0 を一意性に近づけるためには、時間と空間 ____ で観測可能な量 ____ を得る必要があります (少なくとも ____ が下限値です)。」
## 7.2 必要条件（下限：これがないと無理）
* **要件 (最小限の観察セット)**: ＿＿＿＿
* **直感/理由**: 観測されない自由度が残る / 多対 1 写像になる / ノイズなどにより分割できなくなる
* **「特定できない」の具体例**: ＿＿＿＿ (同じ観測結果をもたらす別の解決策が構築できるなど)
## 7.3 十分条件（上限：これを達成すれば理論上可能）
* **十分な条件**: ＿＿＿＿
* **現実**: 現在は不可能/将来は可能/代替案
## 7.4 障害モード (重要: 積極的に列挙)
* [ ] 多対 1 (異なる R0 でも同じ観測結果が得られます)
* [ ] モデルの仕様ミス (P0 が間違っています)
* [ ] 介入がなかったため原因と結果を特定できない
* [ ] 個人差により一般化が崩れる
* [ ] ノイズフロア/測定値の欠落により識別不能
* **検出方法**: ＿＿＿＿ (どの指標で「故障」を判断するか)
## 7.5 「独自性の接近」の尺度
* **一意性スコア** (候補): 事後分布の集中度/同等クラスサイズ/識別距離など。
* **取るべき措置**: ＿＿＿＿
---
# 8. 戦略分岐（A/B/C） ※一例としてご利用いただけます
> 各分岐について、「M0の差」だけでなく、**V0に到達するルート**と**I0が満たされる確率**も必ずセットで書いてください。
## A: モデルを非侵襲的にトレーニングします (EEG/MEG/fMRI など)。
* **目的**: ＿＿＿＿ (例: 大規模かつ長期データによる汎化の獲得)
* **M0**: ＿＿＿＿ (解像度/カバレッジ/制約)
* **P0**: ＿＿＿＿（表現・学習）
* **V0に到達するルート**: ＿＿＿＿ (どのテストに合格するか)
* **I0 のボトルネック**: ＿＿＿＿ (特定できなくなる傾向にあるもの)
* **この分岐から得られる「判断情報」**：＿＿＿＿（次の分岐の選択に有効な情報）
## B: 侵入 (ECoG/深部/動物) は因果推論を強化します
* **目的**: ＿＿＿＿ （例：介入による因果関係・同一性の強化）
* **M0**：＿＿＿＿
* **P0**：＿＿＿＿
* **V0に到達するルート**: ＿＿＿＿
* **I0 の改善**: ＿＿＿＿ (介入による多対 1 の粉砕など)
* **外挿(人間の一般化)の扱い**: ＿＿＿＿
## C: 破壊的かつ超高解像度の構造の取得（将来像）
* **目標**: ＿＿＿＿ （例：十分条件側の上限を検討）
* **M0**: ＿＿＿＿ (取得可能な構造情報)
* **P0**: ＿＿＿＿ (構造→機能マッピングの仮定)
* **V0に到達するルート**: ＿＿＿＿
* **I0の結論**: ＿＿＿＿ (原理的には十分ですか/まだ不十分ですか)
---
# 9. 反論条件・中止ルール
## 9.1 完全改ざん（ページのルートを否定する状態）
* **反論条件**:
* 「R0（回復目標）を定めずに測定だけを進めても、特定できないことは解消されません。」
* 具体的には: ＿＿＿＿ (同じ観測値が別の R0 を形成する可能性がある、V0 を通過しないなど)
## 9.2 支店（引出しライン）別の停止ルール
* Aの停留所：＿＿＿＿
* 停留所B: ＿＿＿＿
* 停留所C: ＿＿＿＿
* **ピボット条件**：＿＿＿＿（A→B、B→Cなどの判断基準）
---
# 10. 次のアクション (このページの優先順位を修正)
* **最初に確認してください**:
1. R0（対象・等価関係の復元）
2. V0 (合否テスト)
3. I0（必要条件の下限主張）
* **今週やるべきこと**: ＿＿＿＿
* **次のセクションを追加します**: ＿＿＿＿
* **未決定点（質問一覧）**：
* Q1：＿＿＿＿
* Q2：＿＿＿＿
---
## 付録: 1 ページで概要を説明する「要点のまとめ」フレーム (オプション)
* **R0**：＿＿＿＿
* **V0**：＿＿＿＿
* **M0**：＿＿＿＿
* **P0**：＿＿＿＿
* **I0 結論(下限値/上限値)**: ＿＿＿＿
* **採用部門**: A/B/C (理由: ＿＿＿＿)
* **異議申し立て/停止**: ＿＿＿＿
---
学習順序（最低限の全体像）
先行研究リスト（拡張版）
A。 WBE basics, personality, philosophy
B。意識理論・検証指標
C。測定/逆問題/不確かさ推定
D。前処理/同期/ネットワーク解析
E。デコード、生成モデル、模倣分離
E2。長期的妥当性、状態/特性/ドリフト、および再キャリブレーション
F。因果推論/能動的推論/反事実仮説
G。生物学的制約 (コネクトーム、神経調節、グリア)
H。標準化、再現性、倫理、システム
I。熱力学、不可逆性、エネルギー収支