输入空间几何塑造了相关性启动神经网络模型中重复抑制的适应动力学

人脑的一项关键功能，是通过整合既往经验，动态适应新颖情境。尽管在多种皮层系统中均广泛观察到神经适应现象，但调控其强度和时间动力学的微回路层面机制仍不明确。为弥合这一空白，我们构建了一个由自适应指数积分发放神经元组成的递归网络，并引入三元组尖峰时序依赖可塑性规则进行调控，旨在复现神经外科患者执行启动任务期间，通过颅内电生理学和单单位记录获得的内侧颞叶神经动力学。基于受实验范式启发的输入组织方式，我们系统地改变输入几何结构，以探究其对适应动力学的影响。我们发现，神经适应源于由学习到的连接所塑造的递归动力学，其幅度和时间进程均取决于输入空间的几何结构。在模拟的单神经元层面，这种依赖关系产生了一系列连续的响应模式，其范围从类似锐化的动力学到类似疲劳的动力学。当输入在元类别内具有较高相似性、而元类别之间具有较强区分度时，类似锐化的响应占主导；相反，在相反的输入条件下，则会出现类似疲劳的响应。

人脑的一项关键功能是通过整合既往经验，动态适应新颖情境。尽管在多个皮层系统中普遍观察到神经适应现象，但调控其强度和时间动态的微回路层面机制仍不明确。为弥合这一空白，我们构建了一个由自适应指数积分-发放神经元组成的循环网络，并采用三元组脉冲时序依赖可塑性规则进行调控，旨在重现神经外科患者执行启动任务时，通过颅内电生理和单神经元记录获取的内侧颞叶神经动态。利用受实验范式启发的输入组织方式，我们系统地改变输入几何结构，以探究其对适应动态的影响。我们发现，神经适应源于由学习获得的连接所塑造的循环动态，其幅度和时间进程均取决于输入空间的几何结构。在模拟的单神经元层面，这种依赖关系产生了一系列连续的反应状态，其范围从类似锐化的动态到类似疲劳的动态。当输入在元类别内部具有较高相似性、且元类别之间具有较强分离性时，类似锐化的反应占主导；而在相反的情形下，则会出现类似疲劳的反应。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.13.751213v1?rss=1

🏷️ 神经适应 重复抑制 递归神经网络 输入空间几何 三元组尖峰时序依赖可塑性