图片来源：Nature Neuroscience
长期以来，能够做出决策或存储记忆的神经网络模型一直吸引着科学家们的想象力。在这些模型中，一个显著特征是存在类似于单向路径的固定序列活动。这一理念由约翰·霍普尼卡（John Hopfield）开创，他因此获得了2024年诺贝尔物理学奖。然而，大脑是否使用这种单向活动路径一直是个未知数。
卡内基梅隆大学和匹兹堡大学的研究团队设计了一个巧妙的实验，利用脑机接口（BCI）对这个问题进行了因果测试。他们的研究结果发表在《自然·神经科学》杂志上，为大脑中的单向活动路径以及神经网络模型长期假设的计算原理提供了实证支持。
研究介绍图片来源：Nature Neuroscience
神经群体活动的固定序列，也称为神经动力学，被认为是多种大脑功能的基础，包括运动控制、感官感知、决策、时间感和记忆等。该团队专注于大脑的运动系统进行研究，在此系统中，神经群体活动可以用来控制BCI。
“大脑是由具有连接的神经元网络组成的。”匹兹堡大学和卡内基梅隆大学的前博士后研究员艾伦·德根哈特（Alan Degenhart）解释道，“先前的研究表明并假设，这些神经元网络的连接方式会影响其活动随时间的演变。我们假设如果这是真的，那么当挑战受试者改变其神经活动序列时，他们将很难做到。”
研究方法在研究过程中，研究人员使用BCI挑战非人类受试者违反运动皮层中观察到的自然发生的神经群体活动序列。这包括提示受试者以时间倒序的方式遍历自然神经活动序列（即在一个单向路径上反向移动）。
即使受试者被给予如何违反自然序列的视觉反馈，并且有奖励激励，他们仍然无法改变其神经活动的序列。这一结果支持了固定活动序列源于潜在神经回路约束的观点。
匹兹堡大学的前研究教授艾米丽·奥巴比（Emily Oby）认为，通过神经动力学进行计算目前正处于复兴时期。“神经网络建模与我们如何利用这些模型更好地理解大脑之间有很多协同作用。我们的发现对于计算神经科学领域以及BCI、中风恢复和大脑学习方式都有重要意义。”
研究未来了解大脑如何利用这些固定活动序列对于患有某种损伤或疾病的人群尤其有益，这些人可能会失去部分大脑皮层。“如果我们了解这些活动受到怎样的限制，我们或许可以通过优化学习来积极影响患者的护理和康复。”匹兹堡大学的前博士生埃琳·格里格斯比（Erinn Grigsby）进一步解释道，“我们的目标是通过考虑神经活动序列的约束，帮助他们恢复一些运动控制。”
在此研究的基础上，团队正在开展一个相关的BCI驱动项目，旨在更直接地将固定活动序列与物理运动联系起来，以更好地理解主动规划如何影响最终的运动。
“我们的研究验证了研究人员几十年来在神经网络模型中提出的原理。”卡内基梅隆大学生物医学工程和电气与计算机工程教授拜伦·余（Byron Yu）补充道，“如果固定活动序列能够改变，那可能意味着一种新技能已经学会或正在进行新的计算。然而，我们发现神经活动序列在一到两个小时的时间尺度上是强制性的。”
新闻来源：Nature Neuroscience
论文参考：DOI:
10.1038/s41593-024-01845-7
