神经元网络的静默记忆复活机制：突触痕迹预测未来演化
【前沿科学转载】
大脑如何在神经元活动消失后仍保持短期记忆？这一问题长期以来困扰着神经科学家。传统的观点认为工作记忆依赖于持续的尖峰放电活动，但越来越多的实验证据表明，记忆相关的信息即使在活动沉默期间也可以恢复，暗示存在”活动沉默”的工作记忆机制——瞬态突触修饰暂时保存信息，并在网络状态适宜时重新激活相应的神经元表征。
7月15日发表于arXiv的一项最新研究，通过构建具有有限寿命突触的最小神经元网络模型，揭示了突触记忆快照如何预测网络的未来演化。来自伊朗的两位数理科学家（Mozhgan Khanjanianpak, Alireza Valiadeh）发现，当网络活动完全消失后，残存突触态的构型本身已经决定了网络的下一个命运：永久终止或自发再生新的活动周期。
研究的关键发现是”潜在兴奋招募能力”（Latent Excitatory Recruitment, LER）这一量化指标。通过区分”幽灵”神经元和”新鲜”神经元两种动态类别，LER被证明可以在无需继续模拟完整神经元动力学的情况下，几乎完美地预测网络是否会产生多周期动力学。值得注意的是，这些不同的动力学结果出现在结构同质的网络中，证明仅凭瞬态突触记忆就足以产生多样化的未来动力学。
这一发现提供了从残存突触态预测和潜在控制神经网络未来演化的新视角。研究表明，短期记忆不仅编码在持续神经活动中，也编码在潜在的突触构型中——后者保留了网络招募新神经元集合的能力。该工作对理解大脑的工作记忆机制以及开发类脑计算系统都具有重要的理论意义。
来源：
📄 arXiv:2607.14000 — “Activity Regeneration from Silent States in Neuronal Networks with Transient Synaptic Memory”
👥 作者：Mozhgan Khanjanianpak, Alireza Valiadeh
🏷️ 分类：q-bio.NC, cond-mat.dis-nn, cond-mat.stat-mech
📅 提交日期：2026-07-15