使用非线性干预状态空间模型辨识神经动力学

基于摘要分析。该研究针对高维神经观测背后的低维潜在动力学难以仅凭观测数据辨识的问题，将干预状态空间模型（iSSMs）的可辨识性理论扩展到更一般的观测映射与非线性潜在动力学，并通过仿真及猕猴、人类神经记录检验其应用。 核心机制是利用扰动打破纯观测数据中的等价性，使不同潜在动力学解释能够被区分。摘要指出，既有理论主要限制在线性潜在动力学和分段线性观测映射。作者报告证明了两类结论：在一般单射观测映射与高斯潜在状态转移条件下，具有仿射可辨识性；引入干预后，在一般非线性潜在动力学下仍可保持置换、缩放和平移意义下的可辨识性。这不等于潜在状态具有唯一的生理解释，具体定理假设、干预条件及剩余等价变换需结合全文核对。 作者报告使用模拟 FitzHugh-Nagumo 动力学验证理论，并展示两项应用：区分相互竞争的决策模型，以及预测猕猴和人类神经记录中未见过的微刺激响应。其中，人类数据包含对留出刺激位点泛化的概念验证。作者还报告通过仿真提出改善可辨识性的刺激协议设计建议。摘要未提供记录模态、被试数量、数据划分细节、对照模型或预测指标，实验协议、消融及统计信息尚未验证；不能据此认定已具备跨被试泛化或 BCI 解码性能提升。 平台推测（待验证）：其与 BCI 的具体联系在于干预条件下的神经动力学建模，而不是直接提供 EEG 解码算法。若任务具备明确刺激记录及可建模的刺激—状态对应关系，可考虑复用 iSSMs 的潜在转移与干预建模思路，观测映射则需适配信号模态。对 EEG，低信噪比、通道混合及刺激伪迹可能使单射观测假设难以满足，小数据也可能限制模型估计。一个可证伪的小实验是在符合理论条件的模拟动力学上加入通道混合与噪声，比较有无干预建模时的留出刺激响应预测及潜在状态恢复，检查理论优势在观测退化后是否保留。已有 EEG 相关工作尚未检索确认。