Attractor dynamics underlie sequence working memory in data-constrained recurrent neural networks
通过将低秩循环神经网络拟合至多会话猕猴记录数据，本研究表明，序列工作记忆依赖于位置特异性的编码子空间，其中吸引子式动力学维持着持久的项目表征，同时活动也在不同的时间维度上同步演化。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，试图在脑海中记下一串短数字，以便拨打电话或输入密码。这种被称为“工作记忆”的心理能力，让我们能在原始刺激消失后的几秒钟内仍能保持信息的活跃状态。几十年来，科学家们一直在争论大脑是如何实现这一点的。一种领先的理论认为，特定的神经元群组只是在持续稳定地放电，就像一盏一直亮着的灯泡一样，以此来保存信息。另一种理论则提出，大脑使用的是一种快速、变化的活动模式，其中一组神经元触发下一组，形成一个链条，从而在个体部分不断变化的情况下创造出一个稳定的整体图像。解决这场争论至关重要，因为它揭示了大脑的基本操作系统，决定了我们的思想是被静态锚点固定住的，还是由流动的活动之河支撑的。
图宾根大学和图宾根人工智能中心的研究团队通过构建一个精密的脑前额皮层计算机模型研究了这个问题，该区域负责复杂的思维和记忆。他们使用了两只猕猴执行记忆任务时产生的数据，实验要求它们记住一个由一到三个视觉形状组成的序列。这些猴子接受了训练：拉动杠杆，观察形状按特定顺序出现，等待短暂的停顿，然后触摸屏幕以重现该序列。研究人员记录了来自30个不同阶段的2,488个独立神经元的电活动，以观察大脑究竟是如何处理这项任务的。
为了理解这些海量数据，科学家们创建了一个“受数据约束的循环神经网络”。这是一种旨在模仿真实神经元连接和放电方式的人工智能模型。与仅被训练以获得正确答案的标准模型不同，该模型被迫去重现猴子大脑中观察到的真实的、杂乱的脉冲模式。通过使模型拟合真实数据，研究人员可以观察到神经元之间发生的隐藏动力学过程，而这些过程在原始记录中是无法直接看到的。该模型成功地重建了真实大脑活动的统计特性，包括神经元放电的频率以及它们如何相互影响，证实了它是对生物系统的忠实呈现。
当研究人员分析该模型的内部运作机制时，他们发现信息存储过程中存在一种特定的几何结构。序列中每个项目的脑活动被组织在神经网络中各自独立的、不同的区域内。如果猴子记住的是序列中的第一个位置的形状，活动就会沉降到某一个特定的区域；如果是第二个或第三个形状，活动则会沉降到不同的、互不重叠的区域。这证实了早期的观察结果，即大脑通过为每个位置使用不同的空间区域，来追踪项目是“什么”以及它在序列中的“位置”。
关键问题在于：在猴子等待期间，那些区域内部发生了什么？活动是保持完全静止，还是在流动？研究人员发现，答案是两者的结合。虽然活动的整体模式保持得足够稳定，足以被解码为一个特定的记忆，但底层的动力学过程并非静态。相反，模型显示，记忆被保持在一个稳定的“流形”中，即网络数学空间中的一个弯曲曲面。在这个曲面上，活动表现得就像一个球滚入山谷并停留在谷底。这被称为“吸引子状态”。尽管大脑还在利用其他独立的信号处理时间的流逝，但实际的形状记忆是由这些稳定的、具有自我修正能力的形态所维持的。
为了证明这些状态确实是稳定的，而非仅仅是转瞬即逝的序列事件，研究人员进行了一次虚拟实验。他们提取了训练好的模型，并给它施加了一个微小的、模拟性的冲击，类似于科学家使用光线短暂刺激真实猴子大脑中一组神经元的情况。他们发现，如果这个冲击将活动稍微推离原路径，系统会自然地将其拉回到正确的记忆状态，就像谷底的球会自动滚回原位一样。然而，如果他们沿着稳定的曲面向特定方向推动活动，模型的记忆就会永久性地转向一个新的数值。这种行为是吸引子系统的特征：它能抵抗微小的误差，但也允许受控的变化。
这项研究表明，大脑并不依赖单一机制来完成记忆。相反，它采用了一种混合策略：稳定的吸引子状态负责保存记忆的具体内容，而网络的其他部分则处理序列的时间和流动。这一发现挑战了认为工作记忆纯粹是瞬时、变化的链式反应的观点。它表明，为了持有序列中的项目，大脑必须拥有稳定的锚点，以确保信息即使在时间流逝的过程中也能保持安全且准确。研究人员还指出，他们的模型预测，如果科学家在延迟期间对大脑施加短暂且有针对性的扰动，他们可以有选择性地改变猴子对序列中某个特定项目的记忆，而不影响其他项目。这为未来的实验提供了一个明确的、可测试的预测，以验证这种吸引子结构是否存在于活体大脑中。
最终，这项工作弥合了关于记忆的两种竞争观点之间的鸿沟。它表明，大脑可以在不需要每个神经元都以恒定速率持续放电的情况下，维持对过去的稳定表征。通过将记忆组织成特定的、稳定的区域，并在受到干扰时进行自我修正，大脑确保了我们所需的信息即使在世界不断变化时，也能保持可访问性和准确性。研究人员采用紧密约束于真实生物数据的建模方法，为理解支配我们思考与记忆的隐藏规则提供了一种强大的新途径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。