この記事では、カルシウムイメージングにおける神経データの大規模かつ一貫したラベル付けの欠如を克服するための新たな自己教師あり学習（SSL）のアプローチ、POYO-SSLが提案されています。POYO-SSLは、予測可能な神経細胞にのみ事前学習を行い、後に非予測可能な神経細胞で微調整を行うことで、相互の特性を活かしつつ学習効果を高める手法です。この方法により、Allen Brain Observatoryのデータセットで約12-13%の性能向上が見られ、従来の最先端手法よりもモデルサイズの増加に伴う安定性が確保されています。具体的には、POYO-SSLは、データ選択の際に予測可能性を明示的な指標とすることで神経データの多様性を資産に変え、神経動態のスケーラブルな解読への道筋を示しています。