脑中的“变量交换”：揭示猕猴额叶皮层在序列工作记忆中实现心智排序的神经计算原理

一项发表于国际顶级期刊 《Science》 2024年9月27日第385卷（文章编号 eadp6091）的神经科学研究，为理解大脑如何执行复杂的、符号化的心智操作提供了开创性的见解。该研究由中国科学院上海生命科学研究院神经科学研究所的 王立平 研究员（通讯作者）、 闵斌 研究员（通讯作者），以及 田正和、 陈婧雯、 张聪 等共同第一作者（同等贡献）主导，联合中国科学院自动化研究所等单位合作完成。研究团队深入探究了猕猴在执行空间序列排序任务时，其额叶皮层的神经群体活动如何动态编码、分解并操控序列工作记忆。

一、 学术背景与研究目的

心智编程（Mental Programming），即大脑如何将复杂的认知程序分解为更简单的神经基元并在工作记忆（Working Memory, WM）中进行操作，是认知神经科学的核心谜题之一。它被认为是包括数学、语言在内的所有高级认知功能的基础。工作记忆作为暂时存储和操控信息的能力，是目标导向行为的核心。尽管过去数十年的研究已对工作记忆的“维持”机制有了较多了解，但对其中更复杂的“操控”或“意志控制”过程（即如何有目的地转换、重排记忆内容）的神经计算机制知之甚少。先前的人类影像学研究已指出额叶皮层在工作记忆控制中扮演关键角色，但支持这种控制的神经动力学与计算机制仍不明确。本研究旨在非人灵长类动物的额叶皮层中，表征这些支持心智操控（具体为序列排序）的神经计算机制。

研究团队的先前工作发现，在序列工作记忆（Sequence WM, SWM）任务中，不同序列位置（等级）的信息被编码在额叶前额叶皮层解耦的低维“等级子空间”中，以组合方式维持。然而，动物能否在心智层面主动操控这些序列，以及其背后的单神经元和群体水平机制，尚属未知。此外，人类和动物都能将抽象的心智操作（如“反转序列”）与特定的视觉符号（如一张苹果的图片）相关联，形成索引性关联（Indexical Association），这是构建复杂符号系统（如数学符号）的基础。猕猴是否能建立这种关联，并驱动具体的神经操作，是一个悬而未决的问题。因此，本研究的目标是：揭示猕猴在执行基于视觉线索的序列心智排序时，额叶皮层神经群体活动的表征几何与动态机制，并提出一个整合了心智编程与符号关联的完整概念框架。

二、 研究流程详述

1. 行为范式与训练 研究训练了两只成年雄性猕猴（猴O与猴L）执行一项延迟序列排序任务（Delayed-Sequence Sorting Task）。在每次试验中，屏幕上会依次呈现长度为2或3个项目的空间序列（每个项目随机选自六边形环上的六个位置之一，且不重复）。猕猴需在第一个延迟期内记住该序列的顺序。随后，屏幕上会出现一个视觉规则线索（例如，黄瓜图片代表“顺向”报告，苹果图片代表“逆向”报告）。根据线索，猕猴必须在心智上要么“保持”原序列顺序，要么将其“反转”，并在第二个延迟期内保持这个新的序列记忆，最后通过依次触摸屏幕上的位置来报告结果。这一任务不仅要求猕猴学会心智排序本身，还要求它们逐渐将离散的视觉线索与不同的反应规则关联起来，即将抽象的心智操作“符号化”。行为数据显示，两只猕猴都能在逐个试次的基础上可靠地执行序列的顺向重复或逆向反转。

2. 神经电生理记录与数据处理 研究人员在两只猕猴的额叶皮层（主要覆盖前额叶和运动前区）植入了一套157通道的微驱动电极阵列，进行高通量的电生理记录。在整个实验期间，共记录了4191个神经元（猴O：3219个；猴L：972个）的活动。为了确保每个序列位置和空间组合有足够的试次数，后续的详细神经分析主要基于长度为2的序列任务数据。

神经数据的分析流程复杂且多维度。首先，对单神经元活动进行分析，以鉴定其在特定任务期（如延迟期、线索呈现后）对空间位置或规则线索的选择性反应。其次，基于群体水平，研究采用了广义线性模型（Generalized Linear Model, GLM）来量化每个神经元的活动如何受序列项目位置和等级的影响。通过GLM拟合得到的回归系数，构建了表征不同“刺激/时间/规则”条件下群体响应的矩阵。

为了揭示记忆信息的几何结构，研究团队对上述矩阵进行主成分分析（Principal Component Analysis, PCA），提取出低维“子空间”。他们发现，在第一个延迟期，序列中不同等级（如第1项、第2项）的信息被编码在几乎正交的不同“等级工作记忆子空间”中，每个子空间内都呈现出一个与刺激空间布局相似的环状几何结构。这表明序列工作记忆的神经表征可以被“因式分解”为不同等级项目的向量和。

3. 核心分析：探寻心智排序的神经机制 研究的关键在于分析从第一个延迟期（规则线索前）到第二个延迟期（规则线索后），这些等级子空间中的信息如何根据规则进行转换。团队提出了两种可能的神经计算假说进行检验： * H1 “映射”假说： 信息从延迟1的等级子空间被映射到延迟2的全新等级子空间中，涉及四个不同的子空间。 * H2 “交换”假说： 信息仅在原有的两个等级子空间内进行维持或交换，即顺向任务时信息留在原处，逆向任务时两个子空间的信息互相“交换”。

通过巧妙的“跨条件解码泛化分析”，即在一个条件下训练的解码器，测试其在其他条件下投射到同一子空间的数据上的表现，并结合模板回归与模型比较，结果强力支持了 H2 “交换”假说。神经动态分析进一步显示，在顺向任务中，两个等级子空间的信息在延迟期持续稳定；而在逆向任务中，信息在规则线索呈现后不久，迅速在两个等级子空间之间发生了交换。

4. 发现“临时变量”：揭示交换算法的神经实现 接下来的问题是：大脑是如何在物理上实现两个变量（即两个等级子空间的信息）的交换的？在计算机科学中，交换两个变量通常需要一个临时变量作为缓冲区。受此启发，研究团队假设额叶皮层可能也使用了额外的“临时子空间”来实现交换操作。通过从神经群体活动中排除与感觉输入、原有等级工作记忆子空间相关的成分，并对剩余活动进行分析，他们成功地在逆向任务中发现并鉴定出了两个独立的“临时子空间”（Temp-1 和 Temp-2），它们分别短暂地编码了来自原等级子空间的信息。

神经动力学的时间进程精确地吻合一个“双临时变量-双步骤”的并行交换模型： * 步骤1（并行操作）： 在规则线索后约176毫秒，等级1子空间的信息被复制到临时子空间2，同时等级2子空间的信息被复制到临时子空间1。 * 步骤2（并行操作）： 随后，在约259毫秒，临时子空间2的信息写入等级2子空间，同时临时子空间1的信息写入等级1子空间，从而完成交换。

这种并行两步法，相较于使用单一临时变量的串行三步法，可能通过牺牲少量额外的“内存”（临时子空间维度）来换取操作时序上的鲁棒性和潜在的更快的执行速度。

5. 关联“符号”与“操作”：规则线索子空间的作用 最后，研究探讨了抽象符号（视觉线索）如何触发具体的心智操作。他们发现了一部分神经元选择性地对规则线索（而非空间位置）做出反应。通过PCA，他们分离出了一个独立的“规则线索子空间”。分析显示，神经活动在这个子空间中的轨迹，在规则线索呈现后约130毫秒就根据线索类型（顺向/逆向）迅速分离，这个时间点早于临时子空间中信息交换活动的出现。更重要的是，在猕猴出错的试次中（例如，应执行顺向却错误地执行了逆向），规则线索子空间中的“逆向”神经信号会提前甚至过早地出现，并且随之而来的是临时子空间和等级子空间中的交换过程也相应提前。这强有力地表明，规则线索的神经表征作为一个索引性信号，触发并调控了后续具体的心智排序程序。

三、 主要研究结果

1. 行为验证： 猕猴能高准确率地根据视觉线索在心智中完成序列的顺向保持与逆向反转，证明了任务的有效性和动物具备所需的高级认知能力。
2. 因式分解的WM表征： 额叶皮层神经元群体将序列工作记忆编码在解耦的、近乎正交的等级特定子空间中，实现了信息的结构化存储。
3. 两级子空间交换机制： 心智排序（反转）并非通过映射到新子空间，而是通过原有两个等级工作记忆子空间之间的直接信息交换实现。跨条件解码与模型比较数据明确支持了这一结论。
4. “双临时变量-双步骤”并行算法： 研究首次在神经层面发现了支持变量交换的“临时缓冲区”——两个额外的临时子空间。时序分析、信号强度相关性分析以及错误试次中的泛化现象，共同证实了它们按照并行两步计算模型运作，是实现交换功能的关键神经组件。
5. 索引性关联的神经基础： 规则线索在独立的子空间中被编码，其神经动态早于并预测了后续的排序操作。错误试次中规则信号与操作信号的强相关性，揭示了抽象符号如何作为“触发器”嵌入到心智程序的执行流程中。
6. 分布式神经基础： 单神经元贡献分析表明，等级子空间和临时子空间均由广泛分布在额叶皮层（前额叶和运动前区）的大量神经元共同参与，其中既有专门服务于某一子空间的“分离型”神经元，也有同时贡献于多个子空间的“重叠型”神经元，为复杂的交互计算提供了细胞层面的基础。

四、 结论与意义

本研究得出结论：猕猴额叶皮层神经状态中的景观转换，构成了序列工作记忆心智编程的符号系统基础。心智编程的表征由规则线索、等级工作记忆和临时子空间中的神经活动及其动力学组合而成。这些因式分解的神经成分及其在额叶环路中的交互动力学，能够根据内外部线索被精确控制到特定子空间并在特定时刻进行操控。

科学价值： * 机制突破： 首次在神经群体水平上揭示了高级认知操作（心智排序）如何被分解为离散的、类似于计算机算法的神经计算步骤（如使用临时缓冲区的交换操作），为理解“心智编程”提供了具体的神经计算模型。 * 概念框架： 提出了一个将符号表征（索引性关联）与具体算法执行统一起来的完整概念框架。该框架指出，抽象规则通过将神经状态轨迹推入不同的“子区域”，来重配置不同信息处理子空间之间的连接与信息流，从而启动不同的心智程序。 * 连接多个领域： 研究桥接了工作记忆、认知控制、符号认知与计算神经科学等多个领域，为理解语言、数学等复杂符号系统的神经基础提供了新视角。

五、 研究亮点

1. 开创性的发现： 在活体大脑中直接观察到支持“变量交换”这一基本算法操作的“临时变量”神经实体（临时子空间），是神经科学与计算理论结合的里程碑式发现。
2. 精巧的范式与深度分析： 设计的延迟序列排序任务兼具认知复杂性和可解析性；结合GLM、子空间分析、跨条件解码、动态建模等多层次分析手段，层层深入地揭示了神经机制。
3. 强大的因果暗示证据： 通过分析动物自发产生的行为错误试次，展示了规则信号与操作信号在时间上的锁相关系，为“符号触发操作”提供了极具说服力的相关证据。
4. 理论启发性强： “双临时变量-双步骤”模型不仅解释了当前数据，还为理解大脑如何执行更复杂的多步骤、序列化计算（如处理更长序列、嵌套操作）提供了理论起点和验证思路。

六、 其他重要内容

研究还讨论了使用多个临时变量的潜在优势，例如可能增强操作的鲁棒性，并为处理更复杂序列（如长度3的序列反转不能通过单次两两交换完成）提供了算法扩展性。作者将大脑的这种“并行计算喂养相对缓慢的串行生产系统”的模式，与冯·诺依曼关于大脑如何抵抗噪声执行多步计算的思考联系起来，提升了研究的理论深度。这项研究标志着在揭示大脑高级认知过程神经机制的道路上迈出了坚实的一大步。