通用节奏特征的出现:简单计算模型可产生分类节奏

《Annals of the New York Academy of Sciences》:The Emergence of a Universal Rhythmic Feature: Simple Models Can Produce Categorical Rhythms

【字体: 大 中 小 】 时间:2026年04月10日 来源:Annals of the New York Academy of Sciences 4.8

编辑推荐:

  本期推荐:为探究跨物种普遍存在的节奏分类现象起源,研究者采用计算建模策略,对比泄漏积分-发放(LIF)神经元模型与蟋蟀摩擦发声模型。研究发现,两类简单机制均能从随机时序中产生等时性节奏,且在输入频率与模型固有频率接近小整数比时,可稳定产生分类节奏。该研究揭示了节奏分类可能源于共享的基础同步机制,为理解音乐性进化提供了跨物种新视角。

  
在人类文明的漫长乐章中,音乐是无处不在的旋律。从非洲部落的鼓点到维也纳金色大厅的交响乐,节奏构成了音乐跳动的脉搏。有趣的是,尽管文化背景千差万别,人类音乐中的节奏间隔却并非杂乱无章,而是倾向于聚集成离散的类别,这些类别往往遵循着简单的整数比关系,比如西方音乐中四分音符与二分音符2:1的关系。这种被称为“节奏分类”(rhythmic categories)的现象,不仅是人类音乐的普遍特征,近年来在灵长类、鸟类甚至昆虫的行为展示中也逐渐被量化发现。然而,这一跨越物种的普遍特征的进化起源,至今仍笼罩在迷雾之中。认知特质无法像化石一样留存,使得我们难以追溯音乐性(musicality)的起源时间与动因。为了解开这个谜题,科学家们开始尝试将复杂的音乐解构为其基本组件——节奏、旋律、音色,试图寻找那些跨文化的通用特征,以此作为探索人类音乐起源的基石。
既然节奏分类在自然界如此广泛,那么它是否源于某种更为基础的生物学机制?为了回答这个问题,一项发表在《Annals of the New York Academy of Sciences》上的研究采用了计算建模这一有力工具。研究人员并没有直接构建复杂的认知架构,而是反其道而行之,旨在探究最简单的最小计算模型是否能够产生分类节奏。他们选取了两个具有代表性的模型进行对比:一个是代表最小神经系统的单个尖峰神经元(spiking neuron)模型,另一个是模拟蟋蟀摩擦发声(stridulation)的同步机制模型。通过模拟这两种截然不同的简单系统如何处理时间信号,研究团队希望揭示产生节奏分类的认知机制及其最低要求,从而架起跨物种行为观察与潜在内部机制之间的桥梁。
为了实现这一目标,研究人员设计并运行了三个核心的计算实验。首先,他们使用了NEST(3.8版本)软件构建了基于泄漏积分-发放(Leaky Integrate-and-Fire, LIF)模型的单神经元模型,这是一种结合了计算简便性与生物神经元基本特性的广泛使用的神经模型。同时,基于Sismondo对热带蟋蟀(Mecopoda species S)同步行为的实证研究,团队实现了一个生成式的蟋蟀模型,该模型利用相位响应曲线(Phase Response Curve, PRC)来描述外部刺激如何根据相位偏移改变蟋蟀的鸣叫周期。在实验设计上,研究人员分别向这两个模型输入随机的泊松(Poisson)序列和等时性(isochronous)序列,系统地改变了输入频率与模型固有频率的比值(输入频率比)、神经元的输入电流(影响固有频率)、连接权重、突触上升时间以及蟋蟀模型的松弛率(relaxation rate)等关键参数。对于产生的时序数据,研究团队计算了连续事件间的间隔时长,并利用Roeske等人提出的公式计算了节奏比率(rhythm ratios, rk= ik/ (ik+ ik+1)),随后通过核密度估计(Kernel Density Estimation, KDE)和微分熵(differential entropy)对输出的节奏结构进行了定量分析。
3.1 Computational Experiment 1
在第一项实验中,研究人员向两个模型输入完全随机的泊松序列,以探究其内在偏差。结果显示,尽管输入是完全随机的,但两个模型的输出序列的微分熵均显著低于输入序列。这意味着模型具有内在的倾向性,能够降低时间序列的无序程度。具体而言,两个模型都将原本均匀分布的节奏比率偏向了0.5(即1:1的等时性)。这种偏向在输入频率相对于模型固有频率较低时表现得更为强烈,因为此时输入刺激对模型的内在振荡器行为的干扰较小,模型更容易维持其固有的等时性输出。相比之下,随着输入频率的增加,输入的扰动作用增强,输出的有序性也随之下降。此外,神经元的放电频率和蟋蟀的松弛率在该实验中并未表现出强烈的独立影响。这表明,即使是面对随机噪声,简单的生物物理或行为模型也天然具有产生结构化、等时性节奏的倾向。
3.2 Computational Experiment 2
第二项实验则考察了模型对等时性输入序列的反应,这模拟了个体与另一个同步个体的单向互动。结果表明,此时的输出结构远比第一项实验复杂。当输入频率与模型固有频率的比值接近小整数比(如1:1, 1:2, 1:3)时,输出序列的微分熵达到最低,呈现出高度有序的状态。在神经元模型中,这种低熵区域形成了类似阿诺德舌(Arnold tongues)的结构,即在特定的频率比值下,神经元能够与输入实现模式锁定(mode locking),产生稳定的节奏类别。例如,在1:1附近,输出几乎完全是等时性的;而在1:2附近,则出现了长短交替的双簇分布;在1:3附近,甚至出现了长、中、短三种间隔的循环模式。蟋蟀模型虽然未表现出如此清晰的阿诺德舌结构,但在整数比附近同样保持了较低的熵值。值得注意的是,神经元模型中降低固有频率(放电率)可以拓宽稳定输出的频率范围,而蟋蟀模型中提高松弛率则有助于维持稳定的等时性输出。这说明,在面临结构化的外部节奏时,简单的相互作用就能催生出多样化的分类节奏。
3.3 Computational Experiment 3
第三项实验专门针对神经元模型,固定了等时性输入的频率使其与神经元固有频率一致,转而探究连接强度参数的影响。结果发现,连接权重(connection weight)和突触上升时间(synaptic rise time)对输出节奏有着至关重要的影响。较高的连接权重或更长的突触上升时间,都能促使输出神经元的节奏比率更紧密地聚集在等时性周围。这是因为更强的连接或更长的上升时间使得输入脉冲的影响能够跨越接收神经元多个充电周期,从而强制其同步。该实验还揭示了一个有趣的现象:即使在输入频率完全匹配的情况下,通过调整这两个参数,神经元模型依然能够产生除1:1之外的其他小整数比节奏(如1:2, 1:3, 2:3)。这证明了神经元内部的连接动力学本身就是一个强大的节奏塑造者。
综合讨论部分指出,这项研究表明节奏分类这一普遍特征可以从极其简单的机制中涌现出来。无论是基于生物物理的LIF神经元模型,还是基于行为抽象的蟋蟀模型,都表现出了产生节奏分类的内在能力。这一发现支持了两种主流假说的互补性:生物约束假说认为感知和运动系统的限制塑造了节奏的产生,而社会协调假说强调同步化对于个体间协作的重要性。实际上,这两个模型显示,当多个独立的等时性机制相互作用时,特别是输入频率与固有频率形成特定比例时,复杂的节奏模式便自然涌现。此外,研究还区分了两种不同的测量视角:蟋蟀模型虽然在个体输出中未表现出明显的小整数比,但在与刺激物的互动中却显示了模式锁定行为。这提示我们在未来的实证研究中,需要明确是在测量个体内部的节奏类别还是个体间的同步关系。最终,这项研究暗示,由于产生节奏分类的机制如此基础,我们应当在更广泛的动物行为中发现这一现象,而不仅仅局限于目前已知的少数物种。这为理解音乐节奏的进化根源提供了全新的计算生物学视角。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号