カルシウムイメージングや電気生理学などの技術の急速な進展により、神経記録の規模と範囲は著しく拡大している。しかし、こうしたデータの解釈は依然として手動操作に依存しており、表現の性質に関する豊富な知識が求められる。デコーディングは、このような記録の情報内容を推定する手段を提供するが、通常は高度に処理されたデータと符号化方式に関する事前知識を必要とする。本研究では、広帯域神経データから感覚的および行動変数を直接デコードできる深層学習フレームワークを開発した。このネットワークはユーザーによる入力が最小限で済み、刺激、行動、脳領域、記録手法の違いにわたって汎化する特性を持つ。訓練が完了すれば、特定の変数について情報を持つ神経コードの要素を解析できる。本手法は、ラットの聴覚皮質および海馬からのデータを用いて検証され、仮説的なCA1内のニューロンが頭部方向を符号化する新たな表現を同定した。