NExG：利用敏感度近似对神经网络控制系统进行可证明且有引导的状态空间探索

基于摘要分析。该研究面向采用神经网络反馈控制器的闭环控制系统，提出 NExG：通过近似闭环动力学轨迹的敏感度，并结合系统仿真器，引导生成在指定时间到达目标状态邻域的轨迹。其主要研究对象是控制系统的状态空间探索与时序逻辑规范证伪，而非 EEG 解码或序列建模中的 State Space Model。 核心机制是用轨迹敏感度近似提供探索方向，借助仿真器生成和评估轨迹。作者提出理论框架，说明该方法产生的轨迹序列能够到达目标状态的适当邻域；但摘要未给出敏感度的具体定义、近似器形式、更新规则及保证成立的假设，不能据此认定其对任意闭环系统均有收敛保证。 作者报告，在具有不同配置神经网络反馈控制器的多个系统上，该方法相较既有状态空间探索技术提升了探索质量（作者以可解释性描述）和性能（收敛速率）。作者还将算法用于一类时序逻辑规范的证伪，与一个先进证伪工具比较，并报告其具有补充现有证伪算法的潜力。摘要未提供系统名称、具体指标、数值或计算预算；实验协议、消融及统计信息尚未验证。证伪旨在寻找违反规范的轨迹，不等同于证明系统满足全部安全规范。 平台推测（待验证）：若闭环 BCI 已有可用的状态动力学仿真器及神经网络反馈控制器，敏感度引导探索可能用于寻找触及不期望状态的控制轨迹。可复用的是探索与规范证伪思路，需改造的是神经信号、解码器和反馈环节的状态表示与仿真模型。低信噪比、跨被试差异、通道变化及小数据可能使仿真器或敏感度近似失准。一个可检验的小实验是在固定的简化 BCI 闭环仿真中，以相同仿真预算比较敏感度引导与随机探索的目标邻域命中率，并加入观测噪声检验稳定性；这不构成真实 BCI 有效性证据，已有 EEG 相关工作尚未检索确认。