Neural-DISCO to nowy framework do modelowania kontrfaktycznego, który umożliwia edycję aktywności neuronalnej poprzez zmianę pojedynczych parametrów behawioralnych lub sensorycznych przy jednoczesnym zachowaniu pozostałych obserwowanych cech i zmienności specyficznej dla danego nagrania. Innowacyjność rozwiązania polega na rozłożeniu reprezentacji neuronowej w przestrzeni latentnej na komponenty odpowiadające poszczególnym mierzonym etykietom oraz dodatkową resztkę zawierającą zmienność niezwiązaną z obserwowanymi zmiennymi.
Problematyka leży w fundamentalnym wyzwaniu neuronauki systemowej - zrozumieniu, jak aktywność mózgu koduje zmienne behawioralne i sensoryczne. Dotychczasowe podejścia skupiały się głównie na przewidywaniu aktywności na podstawie etykiet, ale Neural-DISCO idzie dalej, umożliwiając nie tylko predykcję, ale także kontrolowaną manipulację poszczególnych aspektów aktywności neuronalnej. To otwiera nowe możliwości badawcze.
Badacze wykazali, że disentangled struktura latentna efektywnie odzyska znane role funkcyjne poszczególnych typów komórek neuronowych zarówno w danych symulowanych, jak i rzeczywistych. Połączenie frameworka z metodami atrybuacji cech pozwala identificować, które neurony są kluczowe dla kodowania każdej z badanych zmiennych. To ma zastosowanie w zrozumieniu organizacji mózgu i mogłoby wspomóc projektowanie neurotechnologii oraz modeli obliczeniowych zdolnych do reprodukcji neuronowych procesów decyzyjnych.