大脑无时无刻不在追踪时间的流逝，即使我们并未有意识地察觉。这种感知时间的能力是许多心智过程的基础，包括运动、规划、工作记忆、决策和学习。多个脑区都能以某种方式表征时间，特别是参与高级认知的额叶和顶叶皮层。然而，如果时间信息同时出现在大脑的多个不同区域，它们是如何保持同步的呢？

科学家们长期以来一直在思考，多个脑区是遵循一个单一的共享内部时钟，还是在需要时每个区域都能保持自己的局部时钟。这两种可能性都可能有用：有时脑区必须与单一事件保持一致，而在其他情况下，它们可能需要独立追踪不同的信息流。然而，验证这一想法一直很困难，因为它需要同时记录大量神经元的活动，并让动物执行精心设计的任务。

为了填补这一知识空白，日本东京科学大学（Science Tokyo）生理学与细胞生物学系的Riichiro Hira副教授领导的研究团队，深入探究了两个脑区如何协调它们的时间感知。他们的研究于2026年6月11日在线发表在《自然通讯》（Nature Communications）杂志第17卷，详细阐述了在创新性时间追踪任务中，小鼠继发性运动皮层（M2）和后顶叶皮层（PPC）的活动。

研究人员首先训练小鼠预测奖励的时间，使其在6秒和12秒的间隔之间交替。随着时间的推移，小鼠学会了这种模式，并开始预期短间隔和长间隔的奖励。随后，团队利用宽场双光子钙成像技术，在动物执行任务时，同时记录了这两个脑区数千个神经元的活动。

在这两个区域中，团队都观察到了序列活动模式，即不同的神经元在不同的时刻变得活跃，这表明两个区域都在表征时间的流逝。通过解码分析，研究人员随后估计了在给定试验中每个脑区所表征的时间点。这种方法揭示了两种独特的计时误差：一种是两个区域以相似方式误判时间的情况，即相关漂移（Correlated Drift），表现为系统性对齐；另一种是只有一个区域计时失准，而另一个区域保持准确的情况，即独立漂移（Independent Drift），体现了区域自主性。这表明这些区域既非完美同步，也非完全独立。

为了解释这一现象，研究团队构建了一个由双连接循环神经网络（RNNs）组成的计算模型。通过分析模型中的神经活动，研究人员对大脑的计时机制获得了深刻见解。Hira解释说：“我们发现稀疏的区域间连接促进了两个区域间的同步，而广泛的神经波动则阻止了完全同步，从而允许每个区域保留其自身的时间表征。”换句话说，大脑可能通过弱耦合和全局活动模式的结合，在区域间平衡了稳定性与灵活性。

总而言之，这些发现为理解大脑如何在不强制所有区域进入相同精确状态的情况下，跨区域共享信息提供了一个新框架。Hira总结道：“未来，我们的研究结果可能有助于更好地理解认知、涉及区域间协调障碍的神经系统疾病（如精神分裂症或自闭症），以及开发结合稳定性和灵活性的类脑人工智能和机器人控制系统。”这一框架不仅澄清了与区域间通信中断相关的神经系统疾病，也为类脑AI和多智能体机器人控制系统提供了重要的架构蓝图，解决了传统AI在统一控制与局部灵活性之间平衡的难题。