头朝向系统的极简表征模型

基于摘要分析。该研究以头朝向（head direction，HD）系统为对象，提出一种学习头朝向高维表征的极简模型，旨在捕捉 HD 细胞的关键性质，而非直接研究 EEG 解码或 BCI 任务。 模型以旋转群 U(1) 的表征为基础，分别研究全连接版本与卷积版本。作者报告，两种版本均涌现出类高斯调谐曲线与二维圆形几何结构，并报告学习得到的模型能够进行准确的路径积分。摘要未提供路径积分的误差指标、评估轨迹或对照条件，因此这些结论目前只能按作者的定性报告理解。 其可核对的机制价值在于：同一表征框架能否同时解释单元的方向选择性、群体表征的几何结构以及方向随运动更新的能力。具体损失函数、训练信号、输入数据结构、模型规模，以及二维圆形几何的分析方式尚未验证；实验协议、消融及统计信息亦尚未验证。 该工作的主要贡献属于头朝向系统的表征建模，不能据此认定其改善了神经信号解码。摘要未给出与 EEG/BCI 的具体机制对应关系，因而暂不提出迁移实验建议；已有 EEG 相关工作尚未检索确认。复现前需取得全文，核对群作用的实现方式、两种模型的训练条件及路径积分评估协议。