状态空间模型自然产生时间细胞与振荡行为，并可扩展至抽象认知功能

现代神经科学的一大挑战是弥合微观神经回路与认知功能之间的鸿沟。尽管关于神经元连接性和生物物理学的知识已相当丰富，但低层次现象如何产生抽象行为在很大程度上仍未得到解决。在此，我们提出，基于状态空间模型（State Space Models）的数学框架提供了数学充分性和计算合理性，能够生成类似于时间细胞、斜坡活动和振荡反应的响应特征。我们的结果表明，此类行为可以从一个结构化的多时间尺度复旋转基中涌现，该基能够实现优化的历史压缩，并在训练之前就自然生成结构化的时间动态，这与近期在生物回路中的发现相呼应。学习利用并适应预先存在的时间基以完成特定任务。我们表明，该模型可以轻松扩展到诸如事件计数等抽象认知功能，支持其作为理解神经活动的计算上可处理的框架。

中文由 AI 翻译，仅供参考，以原文为准。