全局抑制整合伊辛模型在决策行为中的临界动力学机制

研究人员针对传统漂移扩散模型(Drift-Diffusion Model)难以解释决策过程中神经元抑制增强的现象，提出整合全局抑制的伊辛模型(Ising-type model)。该研究揭示大脑决策活动处于有序-无序相变的临界区域，其独特动力学特性可优化决策准确性，为神经计算建模提供新范式。

　　

生物体通过权衡奖赏与成本进行决策的过程，长期以漂移扩散模型(Drift-Diffusion Model, DDM)为经典框架。然而新发现揭示了有趣矛盾：在复杂辨别任务中，神经元抑制性张力(inhibitory tone)会反常增强。受此启发，研究者将动物空间定向决策模型拓展为包含全局抑制(global inhibition)的整合伊辛模型(Ising-type model)。

这个磁性自旋(spin)交互模型巧妙映射了神经群体活动：每个"自旋"代表神经元状态，全局抑制则模拟神经环路中的抑制性调控。与实验数据比对显示，大脑决策活动恰好处于有序(磁化相)-无序(顺磁相)的临界过渡区。该区域展现出独特的动力学指纹——既保持足够灵活性快速响应输入，又具备稳定性抵抗噪声干扰。

更引人注目的是，临界态(criticality)赋予决策系统三大优势：超灵敏的信号检测能力、最优化的信噪比调节，以及多时间尺度的信息整合特性。这为理解帕金森病等运动障碍疾病中决策功能异常提供了新视角——可能是临界态调控机制失衡所致。该模型首次在理论层面阐明了抑制性中间神经元(interneuron)群体如何通过相变调控来优化认知计算。