工作记忆（Working Memory）是神经系统维持和处理信息的能力，对认知过程和行为执行控制至关重要，受到研究者的广泛关注。在工作记忆中，保持信息的准确性对随后的认知和任务执行都很重要。但工作记忆的准确性会随着时间逐渐降低并导致在回忆记忆内容时出现偏差。传统观点是随机噪声导致神经表征从初始状态扩散产生记忆偏差。连续吸引子模型清楚地显示噪声如何引起工作记忆信息的漂移。最近，Panichello等人在一项颜色延迟估计任务中发现一个有趣的现象，即要求被试者记住从色轮中均匀采样的颜色并回忆颜色，结果发现被试报告的分布具有显著的多峰特征，并且报告的偏差遵循高斯分布。人门不清楚该现象的神经动力学机制，Panichello提出的模型也无法解释他们自己的数据。

近期，系统科学学院王大辉教授团队，通过神经动力学建模与数值模拟，揭示了聚集报告现象与报告偏差分布的可能神经动力学机制。团队成员利用环状神经元网络，将不同颜色便好的兴奋性神经元按照偏好特征放置在圆环上，表征色环上相应角度的颜色。研究发现当兴奋性神经元之间的突触连接为异质性，且这些突触连接具有短时可塑性（Short-Term Plasticity），网络模型可以较好地复现出实验中的现象。如附图A，C所示，模型所得到的报告的偏差分布（蓝色柱状图）是高斯形的，且与实验分布（黑线）接近。附图B，D表示报告分布（蓝色柱状图）呈现出明显的多峰特征，偏离了刺激的均匀分布（绿色曲线）。

通过数值计算发现兴奋性神经元之间突触连接的异质性与短时可塑性发挥了关键作用。如果去掉神经元之间突触连接的异质性，只保留短时可塑性，模型报告的分布将变为均匀分布，而报告偏差的分布仍为高斯形。若仅保留突触连接的异质性，则报告分布仍为多峰，但报告偏差的分布则偏离高斯分布。进一步分析短时程可塑变量的时空模式，发现短时可塑性增强初始记忆时向异质性连接导致的吸引子的偏移。

该工作对视觉工作记忆任务中发现的报告聚集现象背后的神经动力学机制进行了探究，建立了放电神经元网络模型，再现了实验中报告与报告偏差的分布，揭示了异质性的突触连接与短时可塑是导致报告聚集效应的可能的神经动力学机制。

该工作发表在重要的计算神经科学杂志Frontiers in Computational Neuroscience, 第一作者是博士后雷力行，该工作受到国家自然科学基金的资助。论文参见：Lei L, Zhang M, Li T, Dong Y and Wang D-H (2023) A spiking network model for clustering report in a visual working memory task. Front. Comput. Neurosci. 16:1030073. doi: 10.3389/fncom.2022.1030073

供稿：王大辉

编辑：郝林青

审核：王大辉