振荡相位编码在用于灵活工作记忆的自适应循环神经网络中涌现

振荡相位编码（OPC）在神经系统中被广泛观察到，并被认为参与记忆和序列处理等认知功能。然而，其计算作用和神经基础在很大程度上仍不清楚。在此，我们通过训练带有适应机制的循环神经网络（RNN）来执行具有可变延迟的序列工作记忆任务，从而研究 OPC。训练后，我们发现 OPC 在 RNN 中自发涌现：被记忆的项目在共享节律的不同相位上重现，振荡幅度编码项目身份，相位编码序列顺序。消融研究确定了 OPC 所需的三个关键要素：神经动力学中的适应、记忆保持中的可变延迟，以及信息读出的灵活性。神经元类型分析揭示了训练后的 RNN 中涌现出内容细胞和时间细胞，它们分别处理项目身份和序列顺序。循环连接分析揭示了时间细胞之间相位组织的连接，以及数字选择性内容细胞组内的结构化连接。受这些发现启发，我们提出了一个神经回路模型，该模型通过内容单元与自适应时间环之间的相互作用再现 OPC。总之，本研究揭示了 OPC 如何从网络结构和任务需求中产生，为 OPC 在生物系统中的实现和计算机制提供了见解，并启发我们开发面向类人认知功能的计算模型。

中文由 AI 翻译，仅供参考，以原文为准。