げっ歯類と霊長類の：ドリフト拡散決定モデルにおける時間変動の利益

非標識：意思決定の連続サンプリングモデルには、時間の経過に伴う証拠の蓄積が含まれ、選択行動のキャプチャに成功しています。人気のあるモデルは、ドリフト拡散モデル（DDM）です。選択反応時間（RTS）のより細かい側面をキャプチャするために、緊急性信号を表す時間変動ゲイン機能がDDMに実装されており、正しいRTよりも遅いエラーRTを示す可能性があります。ただし、DDMの信号とノイズ機能の両方に時間変動ゲインが実装されることが多く、ドリフト率の増加（緊急性のため）が決定境界の崩壊を伴うDDMに似ているという仮定があります。したがって、GAIN GAINの効果が信号またはノイズ機能のみに影響するかどうかは、異なる選択動作につながるかどうかは不明です。この作業は、モデルの節約によって制約される時間変動ゲインメカニズムの意味に焦点を当てた、代替DDMバリアントを提示します。具体的には、ラット、サル、および人間の選択挙動の計算モデリングを使用して、DDMのノイズでの時間変動のゲインのみが、サルのように遅いエラーRTSを生成するのに十分であることを体系的に示しましたが、ドリフト率のみで時間変動ゲインげっ歯類のように、より速いエラーRTSにつながります。また、人間における時間変動の増加の効果が最小限に抑えられました。これらのパターンを強調することにより、この研究では、種全体で一貫した一般的な傾向と効果をキャプチャする際のグループレベルモデリングの有用性を強調しています。したがって、DDMのさまざまなコンポーネントの時間変動ゲインは、異なる選択動作につながり、異なる種の基礎となる時間変動ゲインメカニズムに光を当て、体系的なデータフィッティングに使用できます。 補足情報：オンライン版には、10.1007/s42113-023-00194-1で入手可能な補足資料が含まれています。

UNLABELLED: Sequential sampling models of decision-making involve evidence accumulation over time and have been successful in capturing choice behaviour. A popular model is the drift-diffusion model (DDM). To capture the finer aspects of choice reaction times (RTs), time-variant gain features representing urgency signals have been implemented in DDM that can exhibit slower error RTs than correct RTs. However, time-variant gain is often implemented on both DDM's signal and noise features, with the assumption that increasing gain on the drift rate (due to urgency) is similar to DDM with collapsing decision bounds. Hence, it is unclear whether gain effects on just the signal or noise feature can lead to a different choice behaviour. This work presents an alternative DDM variant, focusing on the implications of time-variant gain mechanisms, constrained by model parsimony. Specifically, using computational modelling of choice behaviour of rats, monkeys, and humans, we systematically showed that time-variant gain only on the DDM's noise was sufficient to produce slower error RTs, as in monkeys, while time-variant gain only on drift rate leads to faster error RTs, as in rodents. We also found minimal effects of time-variant gain in humans. By highlighting these patterns, this study underscores the utility of group-level modelling in capturing general trends and effects consistent across species. Thus, time-variant gain on DDM's different components can lead to different choice behaviours, shed light on the underlying time-variant gain mechanisms for different species, and can be used for systematic data fitting. SUPPLEMENTARY INFORMATION: The online version contains supplementary material available at 10.1007/s42113-023-00194-1.