Neuron重磅綜述：記憶的神經群體幾何與動態權衡機制

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經科學前沿文獻分享

基本信息

Title:Neural population activity for memory: Properties, computations, and codes

發表時間：2025.12.22

發表期刊:Neuron

影響因子：15.0

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

記憶，不僅是過去經驗的簡單回放，更是大腦對信息進行復雜計算的產物。長期以來，我們對于記憶的理解似乎陷入了一種二元悖論：為了保留自我身份和過往經歷，記憶必須足夠穩定，能夠抵抗時間的侵蝕；然而，為了適應不斷變化的環境和學習新知，記憶系統又必須具備高度的可塑性與靈活性。

這種矛盾的需求是如何在神經回路中統一的？過去的研究多聚焦于微觀的分子突觸機制（如LTP）或宏觀的行為表現，而對于介觀層面的 “神經元群體活動” 如何編碼這些相互沖突的屬性，我們仍知之甚少。當前的痛點在于，雖然我們已經能通過多通道電生理或雙光子成像記錄到海量神經元數據，觀察到諸如“印跡細胞（Engrams）”或“神經流形（Manifolds）”等現象，但缺乏一個統一的理論框架將這些群體編碼特征與記憶的計算屬性對應起來。

最新發表在Neuron上的這篇觀點綜述文章，從腦網絡生理學的角度出發，提出了一個極具啟發性的觀點：記憶的本質是神經群體在相互沖突的計算需求之間尋求“權衡（Trade-offs）”的藝術。大腦并非追求單一指標（如準確性）的最大化，而是在多維度的限制中尋找一個“安全區（Safe Zone）”。

研究核心總結

本研究系統性地梳理了神經群體活動的特征與記憶功能屬性之間的映射關系，并提出了神經回路通過“優化權衡”來解決計算沖突的理論框架。

Figure 1. Mnemonic information flow and population-activity patterns

核心觀點：記憶屬性與群體編碼特征的非線性映射

文章指出，記憶的特定屬性（如真實性、存儲能力、可讀性）直接依賴于神經群體活動的具體特征。研究者將這些特征定義在一個三階張量空間中：跨神經元、跨時間點和跨試次。

Figure 2. Putative mapping of the properties of memory activity patterns onto features of neural population codes

• 稀疏性：稀疏的群體活動有利于提高存儲容量并減少記憶干擾，即“模式分離”，但這可能犧牲單個記憶的信息豐富度。

• 幾何結構與維度：這是近年來的研究熱點。低維度的神經表征利于泛化（例如識別不同場景中的同一個人），而高維度的表征則利于存儲容量和細節的區分。

• 相關性：神經元之間的相關性是一把雙刃劍。雖然過高的相關性可能降低解碼精度（限制了信息熵），但它能顯著增強下游神經元讀取信息的魯棒性。

Figure 3. Illustration of population code features

核心機制：基于“目標函數”的權衡策略

研究表明，腦回路并非簡單地最大化某一種編碼特征，而是根據當前的認知需求，優化一個加權的“目標函數”。

Figure 4. Possible roles of neural activity geometry in population coding

• 鐘形曲線效應：記憶的最佳性能往往出現在編碼特征的中間值，而非極值。例如，在社交記憶任務中，區分“新異個體”需要低維表征以利于泛化，而記憶“熟悉個體”則需要高維表征以存儲細節；大腦會根據任務需求動態調整其神經流形的維度。

• 雙曲幾何（Hyperbolic Geometry）：海馬的空間表征被發現具有雙曲幾何特性，這種結構能夠通過調節曲率半徑，在有限的神經元數量下優化空間信息的層級表征。

Figure 5. Trade-offs by optimal balancing

關鍵策略：并行處理與表征腳手架

為了同時滿足相互沖突的需求（如既要穩定又要更新），大腦采用了多種復雜的編碼策略：

Figure 6. Strategies of population coding for performing multiple functions

1. 并行處理：在空間上，海馬CA1區的深層錐體細胞傾向于更加穩定、僵化的編碼，形成“支架”；而淺層細胞則更具可塑性，負責整合新信息。在時間上，神經元可以通過跨時間尺度的多路復用（Multiplexing），例如利用Theta振蕩的不同相位分別進行編碼和檢索。

2. 表征腳手架（Representation Scaffolding）：新記憶并非憑空產生，而是“掛載”在預先存在的、穩定的神經活動骨架之上。這種策略允許大腦在不破壞舊有知識結構（保持穩定性）的前提下，高效地整合新信息（實現可塑性）。

Figure 7. Illustration of representation scaffolding

理論意義

該研究構建的框架超越了傳統的“印跡”概念，強調了動態權衡在記憶功能中的核心地位。它提示我們，許多腦疾病中的記憶障礙（如阿爾茨海默病或創傷后應激障礙），本質上可能是神經回路偏離了最佳權衡的“安全區”，導致記憶表現過于僵化或過于發散。未來的研究應致力于通過光遺傳等微擾技術，解耦并操控這些群體編碼特征，以驗證其在因果層面上的作用。

Abstract

The brain’s memory function involves patterns of neural population spiking activity, shaped by experience and recurring over time. These neural population patterns are typically studied with respect to the three stages of acquisition, retention, and retrieval. Despite intensive investigation, the relationship between the features of population activity and the properties, computations, and codes for memory remains elusive. In this perspective, we synthesize recent advances in the study of memory from the viewpoint of brain network physiology, aiming for a comprehensive mapping between the properties and computations of memory and the features of population-activity codes. We propose that brain memory circuits implement trade-offs between conflicting demands on population codes. We anticipate that an important challenge for both discovery and translational neuroscience of memory is to study these trade-offs, delineating a safe zone in the population-activity space where neuronal circuits operate efficiently.

請打分

這篇剛剛登上Neuron的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

前沿交流|歡迎加入認知神經科學前沿交流群！

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：飯哥

審核：PsyBrain 腦心前沿編輯部