Winter-My-Dream丨作者

近日，一项发表于《Science Advances》的研究揭示了大脑皮层神经元如何在高度多变的活动中实现可靠信息处理的动力学机制。研究发现，神经异质性通过抑制神经网络内部固有相干模式、提升局部响应敏感性，并诱导输入信号从属的暂态动力学形成对输入信号的可靠表征与信息处理，为理解大脑在复杂环境下的可靠计算提供了统一的理论框架。这一成果不仅深化了对神经异质性功能的认识，还为神经形态计算系统的设计提供了新的启示。

可靠信息处理的关键：

神经异质性与输入从属暂态动力学

大脑神经元如同交响乐团中的乐手，形态、特性和连接方式各异，演奏出看似杂乱的“神经交响曲”。长期以来，这种异质性被认为是大脑功能复杂性和灵活性的源泉，但其如何在信息处理中协调神经活动高度多变性与可靠表征之间的矛盾，尚缺乏系统性解释。通过构建生物学上合理的脉冲神经网络模型，研究发现神经异质性能够抑制神经网络固有的时空相干模式，使神经元活动对外部输入更具响应性。这一机制显著提升了局部神经元的敏感性，并诱导形成与输入密切相关的暂态动力学。这种动力学在高维神经活动空间中生成输入从属的轨迹，确保信息表征的可靠性。“想象一下，群体神经元活动就像水面上的波动，外部输入激起涟漪，而异质性使这些涟漪既能灵活捕捉输入特征，又能维持表征的可靠性，”论文作者解释说。

图1：研究工作概览图。 (a)异质性脉冲神经网络模型。(b)神经异质性对网络的动力学的影响。(c)动态模式分解 (DMD) 分析网络时空模式。(d)异质性增强网络的信息表征可靠性。

神经形态计算的前景：

神经异质性启发的模型优化

论文地址：https://www.science.org/doi/10.1126/sciadv.adr3903

详情请见：

500+神经动力学社区成员，邀你共同点亮更多脑科学研究的岛屿

6. 探索者计划 | 集智俱乐部2025内容团队招募（全职&兼职）