编辑推荐：
弱电鱼能通过自身产生电场的畸变来定位和识别物体，但背后神经计算机制不明。研究人员构建模型生成模拟数据集，训练人工神经网络（ANN）。结果显示，ANN 性能与真实弱电鱼相当且分两阶段运行最佳。这为电感知研究提供新视角，意义重大。
弱电鱼（Weakly electric fish）通过感知自身产生的电场（electric field）畸变来定位和识别物体。它们能够判断物体的电阻和电容，即便所感知的电场畸变微小且高度依赖物体的距离和大小。然而，支撑这些出色行为能力的神经计算过程却鲜为人知。
研究人员测量了电感受器传入神经（electroreceptor afferents）的反应，并构建了一个基于滤波器的模型，该模型能够精确解释这些反应。同时，研究人员还建立了弱电鱼产生的电场模型，以及不同位置、具有不同电阻和电容的物体所引起的电场畸变模型。将这些模型相结合，为生成大型人工数据集提供了一种精确且高效的方法，可模拟弱电鱼与各种物体的互动情况。
利用这些数据集，研究人员训练了一个人工神经网络（Artificial Neural Network，ANN），该网络代表电感受器下游的脑区，用于提取物体的三维位置、大小和电学特性。在经过实验测试的行为任务中，该模型的性能与真实弱电鱼相当。如果 ANN 分两个阶段运行，即先估计物体的距离和大小，然后利用这些信息提取电学特性，其性能将达到最佳。
这些结果突出了端到端建模在电感知研究中的潜力，并提出了一种电感知处理中特定形式的模块化，这一模块化形式可通过实验进行验证。
