新研究揭示序列工作记忆在猕猴大脑中表征的几何结构 

　　王立平（左一）和团队成员讨论问题        受访者供图 

　　无论语言沟通、执行动作还是情景记忆，本质上都涉及大脑对时序信息的表征（信息在头脑中的呈现方式）。序列信息编码被认为是人类语言句法结构的前提，对机器学习领域产生重大影响，但对其编码机制人们却知之甚少。

　　2月11日，《科学》发表中科院脑科学与智能技术卓越创新中心（神经科学研究所）研究员王立平团队、上海脑科学与类脑研究中心副研究员闵斌和北京大学生命科学学院教授唐世明课题组的合作研究成果。研究人员发现神经元以群体编码形式表征了序列中的空间位置，并在这些表征中发现了类似的环状几何结构。该研究推翻了经典序列工作记忆模型的关键假设，为神经网络如何进行符号表征这一难题提供了新见解。

　　时序信息编码迷题 

　　“本届北京冬奥会上，17岁小将苏翊鸣在坡面障碍技术赛场行云流水般的完美表现，就是时序信息和空间信息的完美融和。”中科院院士、著名神经科学和生物物理学家郭爱克说，“在更大的时空尺度上，可以说中国农历的24节气也是大自然对序列信息的记忆。”

　　专家解释说，人类大脑诸多认知活动都与时序信息有关。比如问路时，需要记住指路人给出的一系列指引；学习新的舞蹈动作时，要记住老师演示的一连串动作；唱一首歌或弹奏一段音乐也不能倒着进行。在这些情况下，不仅单个内容需要被记住，它们之间的顺序也不能混淆。

　　19世纪初，认知心理学家就开始思考序列信息的编码方式。序列信息编码也被认为是人类语言句法结构的前提，机器学习领域对序列翻译的探索更是催生了Transformer模型。但对具有时序信息记忆的大脑神经编码机制人们一直未搞清楚。

　　“猕猴是演化上最接近人类的模式动物，其认知能力、大脑的结构与功能更接近人类，是研究时间序列等复杂高级认知功能的最佳模型。”王立平对《中国科学报》说，“因此，我们从猕猴入手，训练它记忆由多个位置点组成的空间序列，从而探究时序记忆编码问题。”

　　实验中，猕猴面前的屏幕上会依次闪现三个不同的点，猕猴需要在几秒钟后，将这些点按之前呈现的顺序“汇报”出来。在“汇报”前的几秒记忆保持期内，空间序列的信息便以工作记忆的形式被暂时储存在大脑中。为了记录大脑神经元群体在猕猴进行任务时的活动状态，研究人员对工作记忆的大本营——外侧前额叶皮层进行了双光子钙信号成像。“钙信号可反映神经元的脉冲放电活动，序列信息表征的关键就在记忆期神经元群体的电活动模式之中。”王立平说。

　　猕猴空间序列记忆任务        受访者供图 

　　找到大脑中的“屏幕” 

　　大脑如何在记忆期内，同时表征序列中多个信息呢？研究人员猜想，猕猴的大脑中也有一块“屏幕”，猕猴可以把出现过的点记在这个屏幕上。但如果三个点同时在记忆保持期内显示在这块“屏幕”上，每个点的次序又该如何体现呢？猕猴的大脑里是否会同时存在三块不同的“屏幕”？这样每个“屏幕”只需要记下一个点的信息，而且不会互相干扰。

　　带着这些疑问，研究人员分析了钙成像获得的高维数据，发现可以在高维向量空间里面找到每个次序的信息所对应的二维子空间，即找到其对应的“屏幕”。

　　“在每个子空间内，不同的点所对应的空间位置与真实视觉刺激的环状结构一致。而且，不同次序所对应的子空间接近相互正交，说明大脑确实用三块不同的“屏幕”来表征序列信息。”闵斌解释说。

　　为了进一步探究大脑是否总是用相同的几块“屏幕”记忆不同类型的空间序列，研究人员用机器学习方法，训练线性分类器来区分不同次序上的空间信息。结果发现，用于编码次序的“屏幕”是稳定通用的。

　　研究人员还发现，不同次序的子空间之间共享了类似的环状结构，只是环的半径大小会随次序的增加而减小。

　　“一个可能的解释是，次序靠后的信息所分配到的注意资源更少，导致对应的环变小、区分度降低。”该论文共同第一作者、中科院脑科学与智能技术卓越创新中心博士后谢洋对《中国科学报》说，“这一结构也对应了序列记忆的行为表现。如，我们记忆的内容越多，靠后的信息越容易出错。”

　　有意思的是，这种在群体水平上由时间调制空间信息几何结构的编码性质，并不完全适用于单个神经元水平。也就是说，序列记忆的编码更应关注群体神经元性质，而非单个神经元。

　　促进人工智能研究 

　　“这是一篇重要的论文。”郭爱克评价说，“它的科学意义在于揭示了在工作记忆的时间尺度上，序列信息在大脑前额叶皮层的神经编码和表征机制。”

　　该论文的创新性在于以猕猴的序列学习为对象，设计了时间和空间信息两个线索共存的实验范式，采用双光子在体钙成像技术，记录了数千个大脑前额叶皮层神经元，发现了高维神经元状态空间可以分解为多个二维子空间之和，从而揭示了序列信息的工作记忆在猕猴前额叶皮层表征的简单几何结构。

　　“这个发现揭示了序列信息编码利用了降维原则，从而降低了神经计算复杂性，将对受脑启发的人工智能研究发生影响。”郭爱克说，“证明序列信息中时间和空间的整合发生在整体水平而不是单神经元层面，为70年前Karl.Lashley提出的理论假设提供了实验数据支持。这就是科学魅力之所在！”