近日，极悦娱乐神经计算与脑机交互团队基于机器学习方法和神经影像数据构建了人脑基础情感空间，揭示了人脑在自然视觉刺激下的细粒度情绪编码模式。相关研究成果以 Topographic representation of visually evoked emotional experiences in the human cerebral cortex 为题发表于 Cell Press 旗下期刊 iScience。  

　　情感体验在人类大脑中的空间表征模式一直存在“定位论”和“构建论”之争。探究人类情绪体验的神经机制一直是情感神经科学研究的热点问题。早期关于情绪在大脑中表示的研究主要集中在Ekman从人类面部表情中发现的六类基本情绪类别（快乐，悲伤，愤怒，厌恶，恐惧，惊讶）。近年来，随着心理学的发展，研究人员发现了人类可以表达出更加细粒度的情绪类别，如Admiration（欣赏）、Adoration（崇拜）等。尽管先前的研究已经提出了基本情绪类别的定位主义理论，即离散的情绪类别由大脑的特定区域独立编码，但是这一理论难以揭示更加细粒度的情绪类别在大脑中表示的神经机制。为了探究上述问题，研究团队结合自然视觉刺激下的神经影像数据构建体素级神经编码模型，从中挖掘出人脑基础情感空间，并基于此解析出细粒度（27类）情绪在大脑中的编码模式。研究发现，人脑对细粒度的情绪类别的编码广泛分布在大脑皮层的多个区域。与此同时，人脑的基础情感空间揭示了细粒度的情绪类别在大脑皮层上呈现出连续的梯度编码模式，而这些梯度可以在一定程度上被另一种情绪模型——情感维度（Affective dimension）所解释。  

研究框架

　　该研究为细粒度情绪体验的神经机制研究提供了新的见解，为情绪在大脑中表示的构建主义理论提供了新的依据，同时也在人脑基础情感空间中调和了情绪类别和情感维度两种情绪模型的争论。面向未来类脑情感智能模型的研发以及提升大模型的情感理解能力，该研究也将提供有效的理论支撑。  

　　本论文由极悦娱乐副研究员杜长德和博士生付铠城作为共同第一作者，何晖光研究员为通讯作者，极悦注册脑智卓越中心文彬丞博士生也参与了此项研究。研究工作得到了科技部科技创新2030—“新一代人工智能”重大项目、基金委项目、以及CAAI-华为MindSpore学术奖励基金及智能基座等项目的支持。为促进该领域的持续发展，研究团队已将代码和相关数据集开源。  

　　论文地址：     

　　代码及数据地址：