Abstract Influential accounts postulate distinct roles of the catecholamine and acetylcholine neuromodulatory systems in cognition and behavior. But previous work found similar effects of these modulators on the response properties of individual cortical neurons. Here, we report a double dissociation between catecholamine and acetylcholine effects at the level of cortex-wide network interactions in humans. A pharmacological boost of catecholamine levels increased cortex-wide interactions during a visual task, but not rest. Conversely, an acetylcholine-boost decreased correlations during rest, but not task. Cortical circuit modeling explained this dissociation by differential changes in two circuit properties: the local excitation-inhibition balance (more strongly altered by catecholamines) and intracortical transmission (more strongly reduced by acetylcholine). The inferred catecholaminergic mechanism also predicted increased behavioral exploration, which we confirmed in human behavior during both a perceptual and value-based choice task. In sum, we identified specific circuit mechanisms for shaping cortex-wide network interactions and behavior by key neuromodulatory systems.

Learning the statistical structure of the environment is crucial for adaptive behavior. Humans and non-human decision-makers seem to track such structure through a process of probabilistic inference, which enables predictions about behaviorally relevant events. Deviations from such predictions cause surprise, which in turn helps improve inference. Surprise about the timing of behaviorally relevant sensory events drives phasic responses of neuromodulatory brainstem systems, which project to the cerebral cortex. Here, we developed a computational model-based magnetoencephalography (MEG) approach for mapping the resulting cortical transients across space, time, and frequency, in the human brain (N=28, 17 female). We used a Bayesian ideal observer model to learn the statistics of the timing of changes in a simple visual detection task. This model yielded quantitative trial-by-trial estimates of temporal surprise. The model-based surprise variable predicted trial-by-trial variations in reaction time more strongly than the externally observable interval timings alone. Trial-by-trial variations in surprise were negatively correlated with the power of cortical population activity measured with MEG. This surprise-related power suppression occurred transiently around the behavioral response, specifically in the beta frequency band. It peaked in parietal and prefrontal cortices, remote from the motor cortical suppression of beta power related to overt report (button press) of change detection. Our results indicate that surprise about sensory event timing transiently suppresses ongoing beta-band oscillations in association cortex. This transient suppression of frontal beta-band oscillations might reflect an active reset triggered by surprise, and is in line with the idea that beta-oscillations help maintain cognitive sets.

Neural activity fluctuates over time, creating considerable variability across trials. This trial-by-trial neural variability is dramatically reduced (“quenched”) after the presentation of sensory stimuli. Likewise, the power of neural oscillations, primarily in the alpha-beta band, is also reduced. Despite their similarity, these phenomena have been discussed independently. We hypothesized that the two phenomena are tightly coupled. To test this, we examined magnetoencephalography (MEG) recordings of healthy subjects viewing repeated presentations of a visual stimulus. The timing, amplitude, and spatial topography of variability quenching and power suppression were remarkably similar. Neural variability quenching was eliminated by excluding the alpha-beta band from the recordings, but not by excluding other frequency-bands. Moreover, individual magnitudes of alpha-beta band power explained 86% of between-subject differences in variability quenching. In contrast, inter-trial-phase-coherence (ITPC) was not correlated with variability quenching. These results reveal that neural variability quenching reflects stimulus-induced changes in the power of alpha-beta band oscillations.