Abstract We propose a new AdEx mean-field framework to model two networks of excitatory and inhibitory neurons, representing two cortical columns. The columns are interconnected with excitatory connections contacting both Regularly Spiking (excitatory) and Fast Spiking (inhibitory) cells. The model is biophysically plausible since it is based on intercolumnar excitation modeling the long range connections and intracolumnar excitation-inhibition modeling the short range connections. This configuration introduces a bicolumnar competition, sufficient for choosing between two alternatives. Each column represents a pool of neurons voting for one of the two alternatives indicated by two stimuli presented on a monitor in human and macaque experiments. We endow the model with a reward-driven learning mechanism which allows to capture the optimal strategy maximizing the cumulative reward, as well as to model the exploratory behavior of the participant. We compare the simulation results to the behavioral data obtained from the human and macaque experiments in terms of performance and reaction time. This model provides a biophysical ground for simpler phenomenological models proposed for similar decision-making tasks and can be applied to neurophysiological data. Finally, it can be embedded in whole-brain simulators, such as The Virtual Brain (TVB), to study decision-making in terms of large scale brain dynamics.

Whole-brain simulations have been proposed previously to simulate global properties such as brain states or functional connectivity. Here, our aim is to build a whole-brain model to simulate a paradigm involving multiple brain areas, for instance auditory discrimination, using a paradigm designed for the macaque cortex. We are interested in the neuronal dynamics at the whole-brain scale. We perform our simulations by employing The Virtual Brain (TVB) simulation environment. TVB is a computational framework which is based on the nodes modeling the neuronal populations in the brain, a connectivity which provides the neuronal connections and neuronal pipelines which determines the pathway of the information flow over the brain. We use Adaptive Exponential (AdEx) neuronal population models to describe each node. For the connectivity, we use openly accessible CoCoMac connectivity dataset, which is a matrix containing the connection weights between the nodes. We focus on a cognitive task that mainly involves the prefrontal cortex (PFC). In the auditory discrimination task, our pipeline starts from the primary auditory cortex stimulated by the auditory signals, it is then modulated in the PFC so that the stimulus discrimination occurs. Finally, it ends in the primary motor cortex which outputs the neuronal activity determining the motor action. The aim of this study is to demonstrate the use of whole-brain models to investigate simple cognitive paradigms, such as auditory discrimination in the macaque brain.

ABSTRACT Learning to make adaptive decisions depends on exploring options, experiencing their consequence, and reassessing one’s strategy for the future. Although several studies have analyzed various aspects of value-based decision-making, most of them have focused on decisions in which gratification is cued and immediate. By contrast, how the brain gauges delayed consequence for decision-making remains poorly understood. To investigate this, we designed a decision-making task in which each decision altered future options. The task was organized in groups of consecutively dependent trials, and the participants were instructed to maximize the cumulative reward value within each group. In the absence of any explicit performance feedback, the participants had to test and internally assess specific criteria to make decisions. This task was designed to specifically study how the assessment of consequence forms and influences decisions as learning progresses. We analyzed behavior results to characterize individual differences in reaction times, decision strategies, and learning rates. We formalized this operation mathematically by means of a multi-layered decision-making model. By using a mean-field approximation, the first layer of the model described the dynamics of two populations of neurons which characterized the binary decision-making process. The other two layers modulated the decision-making policy by dynamically adapting an oversight learning mechanism. The model was validated by fitting each individual participants’ behavior and it faithfully predicted non-trivial patterns of decision-making, regardless of performance level. These findings provided an explanation to how delayed consequence may be computed and incorporated into the neural dynamics of decision-making, and to how learning occurs in the absence of explicit feedback.