認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Geometry of neural dynamics along the cortical attractor landscape reflects changes in attention

發(fā)表時(shí)間:2026-2-12

發(fā)表期刊:Nature Communications

影響因子:15.7

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

我們的大腦是如何在不同的注意力狀態(tài)之間切換的？當(dāng)你沉浸在一部精彩的喜劇中，或者全神貫注于一項(xiàng)枯燥的認(rèn)知任務(wù)時(shí)，大腦底層的運(yùn)行邏輯有何不同？

從動(dòng)力學(xué)系統(tǒng)的視角來看，大尺度的大腦活動(dòng)可以被視為高維狀態(tài)空間中的一條軌跡。這個(gè)空間并非平坦無垠，而是布滿了“丘陵與山谷”，即所謂的“吸引子地貌”（attractor landscape）。神經(jīng)活動(dòng)的軌跡往往會(huì)自然地滑向那些深谷,也就是大腦在靜息或任務(wù)中反復(fù)出現(xiàn)的經(jīng)典腦狀態(tài)（吸引子）。

然而，目前的領(lǐng)域痛點(diǎn)在于，我們雖然知道大腦狀態(tài)與生理或認(rèn)知狀態(tài)（如饑餓、喚醒、注意力）有關(guān)，但連接兩者的計(jì)算機(jī)制仍是一個(gè)黑箱。一個(gè)人的瞬時(shí)內(nèi)部狀態(tài)，究竟是如何改變大腦在這片“丘陵與山谷”中穿梭的軌跡的？

為了回答這個(gè)問題，研究者將一種大尺度動(dòng)力學(xué)系統(tǒng)模型應(yīng)用于靜息態(tài)、認(rèn)知任務(wù)和自然觀影過程中的功能磁共振成像（fMRI）數(shù)據(jù)。這項(xiàng)研究試圖剝離出大腦的內(nèi)在動(dòng)力學(xué)與外部刺激驅(qū)動(dòng)的活動(dòng)，通過追蹤神經(jīng)軌跡的速度與方向，揭示注意力狀態(tài)是如何重塑大腦狀態(tài)空間的幾何特征的。

研究核心總結(jié)

本研究的核心在于通過前向模擬（forward simulation）重構(gòu)了大腦的吸引子地貌，并發(fā)現(xiàn)神經(jīng)軌跡向吸引子匯聚的“幾何特征”（速度與方向）會(huì)隨著注意力和情境的變化而發(fā)生系統(tǒng)性的改變。

一、動(dòng)力學(xué)模型成功分離內(nèi)在漂移與外部驅(qū)動(dòng)，并揭示穩(wěn)定的皮層吸引子

研究者首先驗(yàn)證了該動(dòng)力學(xué)模型的生物學(xué)合理性。該模型不僅能準(zhǔn)確預(yù)測(cè)下一時(shí)刻的神經(jīng)活動(dòng)，其提取的參數(shù)也高度還原了傳統(tǒng)的腦功能連接和刺激編碼特征。更重要的是，模型將神經(jīng)活動(dòng)拆解為兩部分：由區(qū)域間連接和自衰減主導(dǎo)的“內(nèi)在漂移”，以及由外部刺激引發(fā)的“外在擾動(dòng)”。

Fig 1. 神經(jīng)動(dòng)力學(xué)在吸引子地貌上的幾何特征示意圖，直觀展示了大腦狀態(tài)（圓點(diǎn)）如何在內(nèi)在地形（山谷）與外部擾動(dòng)（紅色箭頭）的共同作用下演化。

Fig 2. 大尺度皮層動(dòng)力學(xué)模型架構(gòu)，展示了模型如何通過區(qū)域間相互作用、自衰減與外部刺激輸入來預(yù)測(cè)下一時(shí)刻的神經(jīng)活動(dòng)模式。

通過對(duì)模型進(jìn)行數(shù)千次的前向模擬，研究者發(fā)現(xiàn)，如果僅考慮內(nèi)在動(dòng)力學(xué)，大腦活動(dòng)最終總是會(huì)收斂到少數(shù)幾個(gè)穩(wěn)定的“吸引子”上。這些吸引子并非隨機(jī)分布，而是完美契合了已知的宏觀皮層梯度：它們分別錨定在默認(rèn)網(wǎng)絡(luò)（DMN）與單模態(tài)感覺運(yùn)動(dòng)區(qū)域的兩端，以及視覺網(wǎng)絡(luò)與感覺運(yùn)動(dòng)網(wǎng)絡(luò)的極點(diǎn)。這從動(dòng)力學(xué)角度解釋了為什么人類大腦總是反復(fù)出現(xiàn)那幾種經(jīng)典的腦狀態(tài)。

Fig 3. 模型在 HCP 數(shù)據(jù)集上的驗(yàn)證結(jié)果，表明該模型不僅能解釋約一半的神經(jīng)活動(dòng)變異，其參數(shù)還能敏銳捕捉到個(gè)體差異與認(rèn)知狀態(tài)的波動(dòng)。

Fig 4. 模型前向模擬揭示的吸引子聚集在皮層梯度的兩端，證明了吸引子的空間位置受到大腦固有宏觀功能架構(gòu)的嚴(yán)格約束。

在明確了吸引子的位置后，研究者進(jìn)一步考察了神經(jīng)軌跡在不同注意力狀態(tài)下的幾何特征。在觀看情景喜劇時(shí)，參與者會(huì)持續(xù)報(bào)告他們的“沉浸感”（engagement）。

數(shù)據(jù)表明，當(dāng)參與者高度沉浸于劇情時(shí)，其大腦內(nèi)在漂移的軌跡會(huì)以較慢的速度（幅度減?。┢x吸引子（角度變大）。這意味著，在高度投入的敘事體驗(yàn)中，大腦所處的吸引子地貌變得更加“平緩”或“變淺”了。神經(jīng)活動(dòng)不再急劇墜入某個(gè)特定的深谷，而是更多地游離在狀態(tài)空間的中心地帶。

Fig 5. 神經(jīng)動(dòng)力學(xué)的幾何指標(biāo)（角度與幅度）與注意力狀態(tài)的相關(guān)性分析，揭示了內(nèi)在漂移軌跡在觀影和任務(wù)情境下呈現(xiàn)出截然相反的動(dòng)態(tài)模式。

有趣的是，當(dāng)情境切換到需要付出努力的持續(xù)注意力任務(wù)（gradCPT）時(shí)，大腦展現(xiàn)出了完全不同的動(dòng)力學(xué)幾何特征。

在這個(gè)枯燥的按鍵任務(wù)中，當(dāng)參與者表現(xiàn)出高度穩(wěn)定的專注力時(shí)，其神經(jīng)活動(dòng)會(huì)以更快的速度、更直接的路徑?jīng)_向“默認(rèn)網(wǎng)絡(luò)（DMN）吸引子”。這表明，在努力維持注意力的狀態(tài)下，DMN 附近的局部吸引子地貌變得異?！岸盖汀保沟么竽X狀態(tài)更容易且更迅速地滑入這一深谷。這種情境依賴的差異證明，吸引子地貌本身是高度靈活的。

Fig 6. 不同注意力狀態(tài)與情境下神經(jīng)幾何特征的機(jī)制示意圖，清晰對(duì)比了觀影沉浸時(shí)的“平緩地貌”與任務(wù)專注時(shí)的“陡峭地貌”。

研究意義

這項(xiàng)工作為我們理解“大尺度腦活動(dòng)如何產(chǎn)生內(nèi)部認(rèn)知狀態(tài)”提供了一個(gè)全新的幾何學(xué)框架。

首先，它在理論上推進(jìn)了我們對(duì)大腦狀態(tài)空間的認(rèn)知。過去的研究往往認(rèn)為腦網(wǎng)絡(luò)架構(gòu)是相對(duì)靜態(tài)的，而這項(xiàng)研究證明，雖然吸引子的“絕對(duì)位置”被大腦的解剖和功能梯度鎖死，但吸引子地貌的“形狀”（陡峭或平緩）卻是高度動(dòng)態(tài)的。這種地形的實(shí)時(shí)形變，正是我們能夠在不同情境下靈活調(diào)動(dòng)注意力的底層機(jī)制。

其次，在方法學(xué)上，該研究提供了一種具有生物學(xué)意義的生成模型，成功從常規(guī) fMRI 數(shù)據(jù)中剝離出內(nèi)在網(wǎng)絡(luò)動(dòng)態(tài)與外部刺激驅(qū)動(dòng)的成分，為未來的系統(tǒng)神經(jīng)科學(xué)研究提供了一套強(qiáng)大的分析工具。

最后，這項(xiàng)研究也明確了自身的邊界。雖然模型揭示了地貌的改變，但究竟是什么微觀機(jī)制（例如去甲腎上腺素或乙酰膽堿等神經(jīng)調(diào)控系統(tǒng)的釋放）驅(qū)動(dòng)了這種從“平緩”到“陡峭”的形變，仍需未來結(jié)合藥理學(xué)或多模態(tài)成像進(jìn)行深入探索。這不僅沒有削弱研究的價(jià)值，反而為理解神經(jīng)調(diào)控系統(tǒng)如何重塑宏觀腦動(dòng)力學(xué)指明了方向。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級(jí)大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場(chǎng)探索未知的長(zhǎng)跑，但你無需獨(dú)行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點(diǎn)擊卡片進(jìn)群，歡迎你的到來

一鍵關(guān)注，點(diǎn)亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿