生物神经网络启动的关键一步

本文探讨了大脑自发神经活动如何从单个神经元的微观、瞬时相互作用中涌现出跨全脑的宏观协调模式。研究发现，小鼠大脑皮层和全脑记录到的神经活动特征（如方差随主成分排序呈幂律衰减、长时程动态特性）与一类特殊的人工神经网络模型高度吻合：该模型的连接矩阵是随机、对称且处于‘临界归一化’状态的（即最大特征值接近1）。这种临界状态使网络既能维持足够长的活动时间尺度以支持工作记忆，又不会陷入混沌失稳。相比之下，海马CA1区的活动则表现出截然不同的特征——方差衰减更慢，且缺乏明显的宏观长时程协调，反而更像一种高效、去相关的编码方式，可能专为信息存储而优化。研究进一步验证，即使在更贴近生物现实的稀疏连接、聚类连接或空间距离依赖的连接结构下，只要存在少量全局连接，这种临界对称动力学仍能稳健地产生宏观活动模式。最后，作者证明，具备这种动力学特性的网络在解决时间依赖型任务（如零样本工作记忆任务）时表现优异，其性能优于非对称或非线性网络。综上，该研究提出一个核心观点：大脑可能天然地采用了一种‘临界初始化’策略——通过广泛存在的对称性连接和自适应的临界归一化机制，为后续的学习和认知计算搭建了一个理想的基础平台。