Gravity-Awareness: Deep Learning Models and LLM Simulation of Human Awareness in Altered Gravity
Bakytzhan Alibekov, Alina Gutoreva and Elisa Raffaella-Ferre
地球的引力从根本上塑造了人类发展,引导大脑将前庭、视觉和自体感知输入整合到一个内部引力模型中:一种动态的神经表征,能够预测和解释引力。 这项工作提供了一个双重计算框架,以定量模拟这些适应。 第一个组件是一个轻量级的多层感知器(MLP),它预测关键脑电图(EEG)频段的g负载依赖性变化,代表大脑的皮质状态。 第二个组成部分利用一套独立的高斯过程(GP)来模拟身体更广泛的生理状态,包括心率变异性(HRV),电之间的相互作用(EDA)和运动行为。 这两个模型都接受了对抛物线飞行文献的全面审查数据的培训,使用已发表的发现作为锚点来构建稳健的连续功能。 为了补充这种定量分析,我们模拟了不同引力载荷下的主观人类经验,从微重力(0g)和部分重力(月球0.17g,火星0.38g)到与航天器发射和再入(1.8g)相关的超重力,使用大型语言模型(Claude 3.5 Sonnet)。 该模型被提示具有生理参数,以产生警觉性和自我意识的内省叙述,这与脑电图和生理模型的定量发现密切相关。 这个组合框架将定量生理建模与生成式认知模拟相结合,提供了一种新颖的方法来理解和预测人类在改变的重力下的表现。
Earth's gravity has fundamentally shaped human development by guiding the brain's integration of vestibular, visual, and proprioceptive inputs into an internal model of gravity: a dynamic neural representation enabling prediction and interpretation of gravitational forces. This work presents a dual computational framework to quantitatively model these adaptations. The first component is a lightweight Multi-Layer Perceptron (MLP) that predicts g-load-dependent changes in key electroencephalograph...