本研究は、ポワソン変分オートエンコーダを用いて知覚的決定における応答時間を推定するモデルを提案しています。多くの知覚的決定の特性は深層ニューラルネットワークで良くモデル化されていますが、従来のアーキテクチャは決定を瞬時の出力と見なすため、決定過程の時間的なダイナミクスを考慮していません。本モデルは、視覚刺激の効率的な感覚符号化と神経発火活動のベイジアンデコーディングから選択と応答時間を導出します。さらに、エントロピーに基づいた停止ルールを適用することで、選択と応答時間の試行ごとのパターンを生成する能力を持つ知覚的決定の原理的で画像計算可能なモデルを実現しています。MNISTデジット分類の応用において、モデルは知覚的決定の重要な経験的特徴を再現し、確率的変動、右偏した応答時間分布、選択肢の数に対する応答時間の対数的スケーリング（ヒックの法則）、および速度と精度のトレードオフを示します。