Abstract Measuring cognition in single subjects presents unique challenges. Yet individually sensitive measurements offer extraordinary opportunities, from informing theoretical models to enabling truly individualised clinical assessment. Here, we test the robustness of fast, periodic, visual stimulation (FPVS), an emerging method proposed to elicit detectable responses to written words in the electroencephalogram (EEG) of individual subjects. The method is non-invasive, passive, and requires only a few minutes of testing, making it a potentially powerful tool to test comprehension in those who do not speak or who struggle with long testing procedures. In an initial study, Lochy et al. (2015) used FPVS to detect word processing in 8 out of 10 fluent French readers. Here, we attempted to replicate their study in a new sample of ten fluent English readers. Participants viewed rapid streams of pseudo-words with words embedded at regular intervals, while we recorded their EEG. Based on Lochy et al., we expected that words would elicit a steady-state response at the word-presentation frequency (2 Hz) over parieto-occipital electrode sites. However, across 40 datasets (10 participants, two conditions, and two regions of interest - ROIs), only four datasets met the criteria for a unique response to words. This corresponds to a 10% detection rate. We conclude that FPVS should be developed further before it can serve as an individually-sensitive measure of written word processing.

There is substantial evidence that neuromodulatory systems critically influence brain state dynamics; however, most work has been purely descriptive. Here, we quantify, using data combining local inactivation of the basal forebrain with simultaneous measurement of resting-state fMRI activity in the macaque, the causal role of long-range cholinergic input to the stabilization of brain states in the cerebral cortex. Local inactivation of the nucleus basalis of Meynert (nbM) leads to a decrease in the energy barriers required for an fMRI state transition in cortical ongoing activity. Moreover, the inactivation of particular nbM sub-regions predominantly affects information transfer in cortical regions known to receive direct anatomical projections. We demonstrate these results in a simple neurodynamical model of cholinergic impact on neuronal firing rates and slow hyperpolarizing adaptation currents. We conclude that the cholinergic system plays a critical role in stabilizing macroscale brain state dynamics.

The global neuronal workspace (GNW) model has inspired over two decades of hypothesis driven research on the neural basis consciousness. However, recent studies have reported findings that appear inconsistent with the predictions of the model. Further, the macroanatomical focus of current GNW research has limited the specificity of predictions afforded by the model. In this paper we present a neurocomputational model, based on the active inference framework, that captures central architectural elements of the GNW and that can address these limitations. The resulting predictive global workspace casts neuronal dynamics as approximating Bayesian inference, allowing precise, testable predictions at both the behavioural and neural levels of description. We report simulations demonstrating the model's ability to reproduce: 1) the electrophysiological and behaviour results observed in previous studies of inattentional blindness, and 2) the previously described four-way taxonomy predicted by the GNW, which describes the relationship between consciousness, attention, and sensory signal strength. We then illustrate how our model can reconcile/explain (apparently) conflicting findings, extend the GNW taxonomy to include the influence of prior expectations, and inspire novel paradigms to test associated behavioural and neural predictions.

This manuscript has been withdrawn by the authors as it was preliminary work that was submitted without the full consent of all the authors. Therefore, the authors do not wish this work to be cited as reference for the project. A new version is forthcoming. If you have any questions, please contact the corresponding author.

Classic models of predictive coding propose that sensory systems use information retained from prior experience to predict current sensory input. Any mismatch between predicted and current input (prediction error) is then fed forward up the hierarchy leading to a revision of the prediction. We tested this hypothesis in the domain of object vision using a combination of multivariate pattern analysis and time-resolved electroencephalography. We presented participants with sequences of images that stepped around fixation in a predictable order. On the majority of presentations, the images conformed to a consistent pattern of position order and object category order, however, on a subset of presentations the last image in the sequence violated the established pattern by either violating the predicted category or position of the object. Contrary to classic predictive coding when decoding position and category we found no differences in decoding accuracy between predictable and violation conditions. However, consistent with recent extensions of predictive coding, exploratory analyses showed that a greater proportion of predictions was made to the forthcoming position in the sequence than to either the previous position or the position behind the previous position suggesting that the visual system actively anticipates future input as opposed to just inferring current input.### Competing Interest StatementThe authors have declared no competing interest.

Abstract Investigations into the neural basis of conscious perception span multiple scales and levels of analysis. There is, however, a theoretical and methodological gap between advances made at the microscopic scale in animal models and those made at the macroscopic scale in human cognitive neuroscience that places a fundamental limit on our understanding of the neurobiological basis of consciousness. Here, we use computational modelling to bridge this gap. Specifically, we show that the same mechanism that underlies threshold detection in mice – apical dendrite mediated burst firing in thick-tufted layer V pyramidal neurons – determines perceptual dominance in a thalamocortical model of binocular rivalry – a staple task in the cognitive neuroscience of consciousness. The model conforms to the constraints imposed by decades of previous research into binocular rivalry and generalises to the more sophisticated rivalry tasks studied in humans generating novel, testable, explanations of the role of expectation and attention in rivalry. Our model, therefore, provides an empirically-tractable bridge between cellular-level mechanisms and conscious perception.