大脑皮层展现出高度有序的拓扑结构，例如视觉皮层中对视网膜空间信息的精确映射。长期以来，神经科学领域一直关注这种拓扑组织的形成机制，探讨其究竟是由遗传预设的指令驱动，还是通过神经元间局部交互自发涌现。

近期发表于《Nature Communications》的一项研究通过构建多层深度神经网络（DNN）模型，首次系统验证了局部侧向连接（local lateral connectivity）机制足以驱动皮层样拓扑组织的形成，为理解大脑皮层的自组织机制提供了强有力的计算证据。

研究团队设计的深度神经网络引入了相邻神经元之间的双向局部信息交换，与传统的全连接或纯前馈网络结构显著不同。通过在网络中模拟侧向抑制与兴奋机制，模型在处理自然图像任务时自发产生了类似生物视觉皮层的拓扑映射（topographical mapping），表现为平滑的特征调谐梯度。

实验结果显示，在无全局坐标约束的条件下，网络通过学习输入数据的局部统计特征，实现了输入空间到神经元阵列的自动映射。这种自组织过程不仅复现了视网膜的空间拓扑结构，还涌现出类似方向选择性柱状结构的功能单元，挑战了传统观点中复杂拓扑结构必须依赖长程连接或显式拓扑约束的认知。

该研究成果不仅深化了对大脑皮层功能组织机制的理解，也为人工智能领域提供了重要启示。通过模拟生物神经元的局部交互，人工神经网络能够构建更具生物合理性的视觉处理架构，有望提升计算机视觉系统的鲁棒性和泛化能力，推动智能视觉技术的发展。

文献参考：Gao, R., 等. (2024). Local lateral connectivity is sufficient for replicating cortex-like topographical organization in deep neural networks. Nature Communications.