预测编码网络中新皮层反馈驱动的选择性海马再激活支持记忆转移

在睡眠和安静清醒状态下，大脑会自发地重新访问与既往经验相关的神经活动模式，这一现象称为再激活。再激活被认为有助于系统巩固，即记忆提取逐渐更多地依赖新皮层回路、而较少依赖海马的过程。已有证据表明，再激活并非不加区分，而是优先作用于特定的记忆痕迹。系统巩固推动了大量关于自发再激活、特定记忆优先重放，以及记忆表征在海马与新皮层之间重新分配的计算建模研究。与此同时，预测编码（predictive coding，PC）模型的发展揭示了：归因于海马和新皮层回路的计算过程，可以由局部的预测误差动力学产生。在此，我们通过展示耦合PC网络中的自主内在动力学如何在不同神经系统之间转移已存储的记忆内容，将这两条研究脉络联系起来。海马和新皮层被建模为两个相互耦合的PC联想记忆网络。该架构纳入了由海马CA1区与前额叶皮层之间已有报道的相互作用所启发的非对称耦合。这种耦合建立了一个闭环对话机制：海马活动训练新皮层网络，而新皮层反馈则使后续海马活动偏向于那些新皮层支持仍然较弱的内容。与均匀复述相比，该架构能够更快地转移具有相关性的记忆内容，并且不需要显式访问已存储的记忆库。总体而言，这些结果提供了一种基于PC的解释框架，其中，新皮层反馈组织海马再激活，从而支持系统巩固期间高效的记忆转移。

在睡眠和安静清醒状态下，大脑会自发地重新激活与既往经验相关的神经活动模式，这一现象被称为再激活。再激活被认为有助于系统巩固，即记忆提取逐渐更多地依赖新皮层回路、而较少依赖海马的过程。证据表明，再激活并非无差别地发生，而是优先针对特定的记忆痕迹。系统巩固推动了针对自发再激活、特定记忆在重放中的优先级，以及记忆表征在海马与新皮层之间重新分配的大量计算建模研究。与此同时，预测编码（predictive coding，PC）模型的发展揭示，归因于海马和新皮层回路的计算过程可以源于局部的预测误差动力学。在此，我们将这两条研究路径联系起来，展示耦合预测编码网络中的自主内在动力学如何在不同神经系统之间传递已存储的记忆内容。海马和新皮层被建模为两个相互耦合的预测编码联想记忆网络。该架构采用了非对称耦合，其设计动机源于已有研究所报道的海马CA1区与前额叶皮层之间的相互作用。这种耦合建立了一种闭环对话：海马活动训练新皮层网络，而新皮层反馈则使随后发生的海马活动偏向于那些新皮层支持仍然较弱的内容。与均匀复习相比，该架构能够更快地传递具有相关性的记忆内容，并且不需要显式访问已存储的记忆集合。总体而言，这些结果提出了一种预测编码解释：在系统巩固过程中，新皮层反馈能够组织海马再激活，从而支持高效的记忆传递。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.29.755342v1?rss=1

🏷️ 预测编码 海马再激活 系统巩固 记忆转移 新皮层反馈 联想记忆网络