跳到正文
OpenReview · EEG· Li Xin Lim; Andrew Westbrook·· 2026-05-15精选AI 评分76

平衡大脑:临界性支持灵活性,而任务投入驱动偏离临界性

Balancing the brain: Criticality supports flexibility while task engagement drives deviation from criticality

AI 导读

基于摘要分析。研究考察认知努力中的稳定性—灵活性权衡是否与神经临界性有关,并改造尺度不变性指标 d2,利用 EEG 振幅波动追踪随时间变化的临界性偏离。核心贡献是将模型中的指标验证与任务切换实验中的行为关联结合,区分接近临界性和偏离临界性所对应的认知状态。 机制与验证:临界脑假说认为,大脑在既非兴奋主导、也非抑制主导的相变附近运行,有利于适应性;而高要求任务可能需要更稳定的动力学状态。作者报告,d2 在具有已知临界性参照的兴奋—抑制网络模型中能够追踪距临界状态的偏离。摘要未提供 d2 的具体计算形式、时间窗、EEG 预处理及模型参数,这些实现条件尚未验证。 行为结果:在任务切换实验中,作者报告,试次前活动越接近临界性,参与者自愿切换任务越频繁;偏离临界性则与任务投入相关,尤其在高要求试次中。这里的证据是关联,不能据此确认任务投入导致临界性变化,或临界性直接决定行为。被试数量、任务投入的操作定义、效应量、统计检验、实验协议及消融信息尚未验证。 平台推测(待验证):若 d2 能稳健反映认知状态,它可能成为 EEG/BCI 任务投入监测的候选特征,而非已验证的解码方法。可复用部分是振幅波动的尺度分析;在线应用仍需验证窗口长度、伪迹处理和跨被试校准。低信噪比、通道选择及小样本可能使指标受非神经波动影响。一个小规模可检验实验是在严格分离训练与测试试次的条件下,比较 d2 与常规频带功率对下一试次自愿切换行为的预测,并检验 d2 是否提供增量信息。已有相关 EEG/BCI 工作尚未检索确认。

阅读价值

值得阅读的具体原因是作者将时间分辨的 EEG 临界性指标与任务切换、任务投入分别关联,并先在兴奋—抑制网络模型中检验指标,但其因果解释与用于 BCI 状态监测的有效性尚未验证。

来源:OpenReview · EEG · openreview.net