脳全体の皮質ダイナミクスを大規模かつ複数被験者にわたって観測できるワイドフィールドカルシウムイメージングは、神経科学研究において革新的な手段となっています。しかし、このイメージング手法は記録の高次元性、複雑な時空間構造、およびタスクと無関係な神経活動が大量に含まれるという課題を抱えており、これまでのモデリング努力は単一セッション内の解析に限定されていました。こうした制限により、スケーラビリティと汎化性能の向上が難しくなっていました。 他の神経モダリティについては複数被験者の事前学習モデルが検討されていますが、ワイドフィールドカルシウムイメージングに特化した多被験者モデルはいまだ実装されていません。さらに、複数の神経モダリティにおいて被験者不変なゼロショット行動デコーディングの実現も課題として残されていました。 今回、研究チームはワイドフィールドデータの基盤モデル開発への第一歩として、WiCATと呼ぶ多被験者モデルを提案しました。このモデルは自己教師あり事前学習を活用し、単一セッションモデルを上回る性能を発揮するとともに、未知の被験者に対してゼロショット行動デコーディングを実現します。WiCATが導入するアトラス基盤トークン化スキームはセッション固有のコンポーネントを必要とせず、グローバルに共有された時空間表現を学習します。複数のワイドフィールドデータセットを用いた評価により、事前学習されたモデルは軽量なダウンストリームデコーディングをサポートし、被験者、タスク、データセット間での転移が可能であることが確認されました。特に注目すべきは、未知被験者に対して堅牢なゼロショット連続行動デコーディングと脳領域再構成を達成した点です。