几何约束与认知输入共同塑造涌现的大脑动力学与拓扑结构

大脑的物理几何结构如何产生其灵活的功能谱系，仍然是神经科学中的一个核心问题。在本研究中，我们在一项工作记忆任务上训练了三类循环神经网络（RNN），从而构建了一个具有梯度层级的空间约束体系：Vanilla RNN（无空间约束）、Masked RNN（投射约束，限制信息进入和离开网络的位置），以及生物物理循环神经网络（biophysical RNNs，bioRNNs；同时具有投射约束，并利用大脑区域间的欧几里得几何结构对网络连接进行空间嵌入）。我们评估了每一类RNN在训练过程中未接触经验性fMRI活动数据的情况下，对经验性fMRI活动的预测能力。结果表明，只有bioRNN能够成功预测经验性脑活动，并将其动力学组织为空间模式，从而重现大脑的主层级结构（感觉运动—联合轴）。此外，bioRNN预测经验性脑活动的能力沿着这样一条轨迹出现：几何结构首先被建立，随后随着任务逐渐被掌握而部分回退。值得注意的是，随着bioRNN任务熟练度的提高，同时保持其预测脑活动的能力，类脑拓扑特征也随之涌现。综合而言，我们的结果表明，物理几何结构与认知输入发挥着不同但互补的作用：几何结构约束了可能的大脑动力学空间，而认知输入则决定了其中哪些动力学会被表达出来。我们的结果还表明，拓扑结构是物理嵌入式大脑协调布线成本与计算需求的支架。

大脑的物理几何结构如何产生其灵活的功能谱系，仍然是神经科学中的一个核心问题。在本研究中，我们在一项工作记忆任务上训练了三类循环神经网络（RNN），从而形成了一个具有渐进空间约束的层级结构：Vanilla RNN（无空间约束）、Masked RNN（投射约束，限制信息进入和离开网络的位置），以及生物物理循环神经网络（biophysical RNNs，bioRNNs；同时具有投射约束，并利用大脑区域间的欧几里得几何对网络连接进行空间嵌入）。我们评估了每一类RNN在训练过程中未接触经验性fMRI活动数据的情况下，对经验性fMRI活动的预测能力。

我们的结果表明，只有bioRNN能够成功预测经验性脑活动，并将其动力学组织为空间模式，从而再现大脑的主层级结构（感觉运动—联合轴）。此外，bioRNN预测经验性脑活动的能力沿着这样一条轨迹出现：几何结构首先被建立，随后随着任务的掌握而部分回退。重要的是，随着bioRNN在保持其预测脑活动能力的同时不断提高任务熟练度，类脑拓扑特征也随之涌现。

综上所述，我们的结果表明，物理几何结构与认知输入发挥着不同但互补的作用：几何结构约束了可能的大脑动力学空间，而认知输入则决定了其中哪些动力学会被表达出来。我们的结果还将拓扑定位为一种支架结构，通过它，物理嵌入于空间中的大脑得以协调布线成本与计算需求。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.07.742341v1?rss=1

🏷️ 循环神经网络 脑动力学 空间几何约束 fMRI预测 工作记忆 脑网络拓扑