神经场中相干记忆结构的动力学

基于摘要分析。本文研究生物神经网络中行波、低维流形等相干时空结构如何支持记忆，以及此类结构为何会在任务训练中涌现；核心贡献是基于 Mori-Zwanzig 投影算子形式体系建立潜在动力学理论框架，并以受神经场启发的架构开展任务评估。 研究背景是，连续神经场模型可在介观尺度描述生物神经网络中的时空活动。已有工作通过施加行波或低维不变流形获得可解释潜在状态，但据作者概述，这类方法通常不能从数据驱动角度解释相关结构在训练中何时、为何出现。本文将记忆表述为一族随时间变化的投影，用于揭示耦合动力学如何支持记忆编码与解码，而非仅将潜在状态的可视化作为解释。 作者在长程基准任务以及涉及 EEG、ECoG 预测的神经科学应用中评估该架构，报告了稳健的长程任务准确性和可解释的记忆模式。摘要未给出具体基准名称、预测目标、数据集、被试数、数据划分、对照方法或定量结果，因此不能据此判断其在被试内、跨被试或跨会话条件下的优势，也不能将神经信号预测直接等同于 BCI 解码有效性。 进一步阅读应核对时变投影的具体构造、理论框架与实际训练及推理的连接方式，以及记忆模式的可解释性如何验证。实验协议、消融及统计信息尚未验证；实现与复现条件亦需全文确认。