生物行移动版

在复杂的认知任务中，大脑如何将随时间变化的感官信息转化为明确的决策，一直是神经科学领域的核心课题。近期发表于《Nature Communications》的一项研究，通过构建精密的神经回路模型，深入解析了大脑利用选择性神经元序列（choice-selective sequences）进行证据积累的内在逻辑。

研究指出，决策过程并非简单的线性累加，而是一个高度动态的神经活动过程。模型显示，当个体在面对多项选择任务时，大脑皮层中的特定神经元群体会形成有序的放电序列。这些序列不仅能够实时编码当前积累的证据强度，还能够根据预期的选择偏好进行动态调整。这种“序列化”的编码方式，有效地解决了在噪声环境下维持决策变量稳定性的难题。

在实验模拟中，研究团队发现，这些选择性序列的形成依赖于回路内部的循环连接（recurrent connections）与突触可塑性。当感官输入信号进入回路时，神经元群体通过竞争性抑制机制，筛选出与当前证据最匹配的序列路径。随着证据的持续输入，序列的演进速度与强度会发生非线性变化，最终触发决策阈值，促使大脑做出最终选择。

该研究进一步强调了动态突触连接在信息整合中的关键作用。通过对比不同参数下的模拟结果，研究人员证实，神经回路能够通过调节突触权重，在保持证据积累的敏感度与抗干扰能力之间实现最优平衡。这一发现不仅为理解人类决策行为的神经基础提供了坚实的理论支撑，也为开发更具生物合理性的类脑计算模型指明了方向。

Journal Reference: Neural circuit models for evidence accumulation through choice-selective sequences, Nature Communications.