認知神經科學前沿文獻分享

基本信息

Title:A critical initialization for biological neural networks

發表時間:2026-05-20

發表期刊:Nature

影響因子:48.5

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

即使在沒有外部刺激和明確任務的“發呆”狀態下，大腦也會產生持續的自發神經活動。這些活動并非雜亂無章的噪音，而是展現出跨越全腦大量神經元的宏觀協調性。更令人驚訝的是，這些宏觀模式的持續時間，遠遠超過了單個神經元放電的微觀生物物理時間尺度。

這就引出了一個核心的科學問題：那些壽命極短、只在局部發生作用的微觀神經元相互作用，究竟是如何“湊”出長壽命的宏觀行為的？

過去的研究觀察到，神經群體活動的方差會隨著主成分（PC）的增加呈現出一種沒有明顯截斷的冪律衰減。然而，目前仍缺乏機制性的模型來解釋這種方差的縮放規律。主流觀點通常猜測，這種宏觀變異性可能源于神經網絡運行在“臨界”或“混沌”狀態。在這項最近發表于 Nature 的研究中，研究者試圖用隨機矩陣理論來近似高維神經網絡中的復雜相互作用，通過對比大規模小鼠神經記錄與線性動力學模型，揭示了大腦自發活動背后的數學規律及其計算意義。

研究核心總結

研究者將真實的大規模神經記錄（包括雙光子鈣成像和Neuropixels電生理記錄）與基于隨機矩陣的線性動力學模型進行了定量比對，得出了以下幾個核心發現。

一、皮層與全腦自發活動符合“對稱且臨界歸一化”的動力學

研究者首先假設，在自發活動期間，非線性的神經網絡動力學可以近似為圍繞靜息點的線性動力學。他們構建了一個由隨機矩陣驅動的模型，發現當這個代表神經元相互作用的矩陣是“對稱”的，并且被“臨界歸一化”（最大特征值極度接近1）時，系統產生的協方差特征值譜會呈現出指數約為 2/3 的冪律衰減。

令人興奮的是，在小鼠視覺皮層、感覺運動皮層以及全腦范圍的真實神經記錄中，群體活動的方差衰減指數集中在 0.7 到 0.85 之間，這與對稱隨機矩陣模型的預測高度吻合。同時，真實數據中缺乏非對稱矩陣模型所特有的“旋轉動力學”（即神經表征隨時間的持續漂移），進一步證實了皮層自發活動主要由對稱相互作用主導。

Fig 1. 隨機對稱連接矩陣驅動的線性動力學模型，能夠自然產生與真實神經數據相似的冪律協方差結構。

Fig 2. 小鼠皮層和全腦的神經記錄顯示出與對稱臨界動力學一致的冪律衰減，而海馬CA1則表現出截然不同的特征。

并非所有腦區都遵循上述規律。研究者對海馬CA1區的群體活動進行了同樣的特征值譜分析，發現其方差衰減要慢得多，指數僅在 0.4 到 0.5 之間。

在可視化分析中，CA1的神經元放電缺乏皮層中那種明顯的宏觀協調性。這表明，海馬CA1采用了一種更接近獨立、無相關性的神經編碼策略。考慮到海馬體在記憶形成中的核心地位，這種高維度的獨立編碼可能正是為了最大化信息的存儲容量而優化的。

Fig 3. 神經主成分的自相關圖表明，方差越大的主成分具有越慢的時間動態，且真實數據缺乏非對稱模型中的旋轉動力學。

真實大腦的神經連接絕不是完全隨機的，它們受到空間距離的嚴格限制，且具有高度的稀疏性和聚類特征。那么，在引入這些生物學約束后，模型還能產生宏觀的全局模式嗎？

研究者在模型中引入了稀疏連接、局部聚類以及基于空間距離衰減的連接概率。結果表明，只要網絡中保留極少量的全局連接（例如全局連接概率僅為局部連接的 1%），高維的全局活動模式就依然能夠涌現，并且維持著相同的冪律衰減特征。這意味著，大腦即使在嚴格的物理布線限制下，依然能通過少數長程連接維持全腦的宏觀協調。

Fig 4. 即使在引入稀疏、聚類或空間距離依賴等生物學約束后，只要保留少量全局連接，網絡依然能維持全局活動模式。

這種對稱的線性動力學對大腦究竟有什么用？研究者將其應用于需要維持長時間信息的計算任務中，例如延遲二元分類和零樣本（zero-shot）工作記憶任務。

測試表明，相比于非對稱網絡或傳統的混沌回聲狀態網絡（echo-state networks），對稱且臨界歸一化的網絡在維持數秒級別的工作記憶時表現得更為出色。原因在于，非對稱網絡會產生巨大的虛部特征值，導致信息在網絡中不斷“旋轉”而難以被穩定讀取；而對稱網絡則能提供一個穩定的表征空間，讓記憶信息在長延遲后依然能被準確解碼。

Fig 5. 在工作記憶任務測試中，對稱動力學網絡能夠比非對稱網絡更穩定地維持信息，展現出強大的計算潛力。

研究意義

這項研究不僅在機制上解釋了大腦自發活動為何呈現特定的維度縮放規律，更重要的是，它為我們理解大腦的“出廠設置”提供了一個全新的視角。

在人工智能領域，良好的網絡初始化（initialization）是模型成功學習復雜任務的前提。本研究提出，小鼠大腦中廣泛存在的自發活動，實際上可能反映了一個被“完美初始化”的腦網狀態。通過對稱的相互作用和臨界調節，大腦為自己搭建了一個理想的動力學“水庫”（reservoir）。當面對需要記憶和時間整合的復雜任務時，大腦不需要從頭重塑整個網絡的動態，而只需在這個現成的、具有長壽命宏觀模式的腳手架上，對讀出權重進行簡單的學習即可。這一發現為未來探索學習過程中神經流形的演變指明了方向。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿