《Frontiers in Neuroinformatics》：The role of inhibition in modeling decision making with spiking neural networks
编辑推荐：
决策（DM）需要由脑区分布式网络支持的初级信息过程的协调。计算模型有助于理解这些过程，但现有大多数模型仅专注于模拟众多并行操作中的一种。现有的一种脉冲神经网络（SNN）模型试图整体地模拟DM，但它并未利用抑制在神经层面作为DM可能机制的重要作用。为克服这一限制
决策（DM）需要由脑区分布式网络支持的初级信息过程的协调。计算模型有助于理解这些过程，但现有大多数模型仅专注于模拟众多并行操作中的一种。现有的一种脉冲神经网络（SNN）模型试图整体地模拟DM，但它并未利用抑制在神经层面作为DM可能机制的重要作用。为克服这一限制，研究人员提议使用该模型研究神经抑制对价值型DM中决策策略选择的影响。本研究概述了方法学，并成功完成了对抑制假设的计算机模拟验证，使用了SNN模型进行DM模拟。为执行模拟，研究人员采用了一项经过充分研究的多属性选择任务，并将模拟结果与人类行为数据进行了验证。在评估未用于拟合的保留补偿条件数据时，抑制模型比无抑制模型的平均预测误差低约17%（0.55 vs. 0.67，Wilcoxon符号秩检验，p = 0.009，r = 0.55），而在用于拟合的条件中未观察到显著差异。这些发现表明，抑制带来的优势不能仅归因于模型复杂度，并支持神经抑制作为适应性、情境敏感的决策策略选择的一种合理的、基于生物学的机制。
论文解读文章
**研究背景、问题与意义**
决策（DM）需要协调多个神经子过程，如奖赏处理、证据积累、策略运用和选项选择。计算模型通过实现特定神经特征（如抑制）来模拟大脑功能，有助于理解这些交织过程，但现有模型大多专注于单一操作，缺乏对整体过程的模拟。已有的脉冲神经网络（SNN）模型试图整体模拟DM，但未充分利用抑制在神经层面的关键作用。抑制性皮质连接对复杂认知至关重要，通过调节兴奋-抑制平衡来维持脑功能，并参与过滤无关信息、同步神经振荡，从而支持适应性DM。然而，在生物细节丰富的SNN模型中，抑制如何影响决策策略选择尚未得到充分研究。本研究旨在通过扩展现有SNN模型，引入抑制机制，研究其对价值型DM中策略选择的影响，并验证该机制在人类行为数据上的有效性。论文发表在《Frontiers in Neuroinformatics》。
**主要技术方法**
研究人员采用神经工程框架（NEF）构建SNN模型，使用Nengo模拟器实现。模型包含感知、记忆、眶额皮层（OFC）、背外侧前额叶皮层（dlPFC）和基底节（BG）等群体，通过递归连接实现证据积累，通过BG的胜者全取（WTA）机制选择选项。关键创新在于引入从蓝斑-去甲肾上腺素系统（LC-NE）到OFC的抑制连接，模拟认知负荷对OFC活动的抑制。模型参数包括决策阈值（T）、紧迫性/神经调节缩放（U）、侧抑制/相对评价增益（L）和抑制强度（I），通过Optuna网格搜索拟合至24名参与者的行为数据（来自顺序概率推理任务，包含补偿性C和非补偿性NC两种条件）。训练在NC条件下进行，验证在C条件下进行，以评估泛化能力。
**研究结果**
**3.1 模型拟合与验证**
通过拟合个体特定参数，抑制模型在训练条件（NC）下与无抑制模型无显著差异（配对t检验，p = 0.62），但在验证条件（C）下，抑制模型显著降低了损失（Wilcoxon符号秩检验，p = 0.009，r = 0.55），平均损失从0.669降至0.553。参数重要性分析显示，决策阈值T最为重要（平均75%），抑制强度I次之（平均15%），但个体间变异大（CV=87%），表明抑制机制对部分参与者关键。抑制参数I在92%的种子拟合中大于零，表明其被一致利用。组级线索获取分布显示两种模型均再现了人类数据的双峰结构，但抑制模型在C条件下更准确地匹配人类分布。
**3.2 策略复现**
在策略偏好上，NC条件下两种模型均主要被分类为加权加法规则（WADD）用户（各22/24），C条件下均更平衡（WADD与TTB比例接近1:1），与人类分布一致。抑制模型在C条件下未产生策略类别转移，但通过更精确的连续线索获取分布拟合实现了定量优势。人类策略一致性在NC条件下无显著差异，C条件下抑制模型略低（58% vs. 62%），但差异不显著。这表明抑制模型的优势源于更精细的采样行为复制，而非策略类别改变。
**讨论与结论**
研究结果支持抑制增强的DM模型在泛化到更高认知负荷条件时更优。抑制机制在训练条件（NC）下未显著改善拟合，但在验证条件（C）下显著提升，符合蓝斑-去甲肾上腺素系统（LC-NE）在负荷下选择性抑制OFC的假设。参数重要性分析表明抑制强度I的个体差异反映了认知负载敏感性的变异。模型复杂度解释被排除，因为额外参数未在训练条件改善，反而在验证条件提升，且I的异质性不支持统一灵活性效应。局限包括未动态建模阈值变化，以及LC信号来源于dlPFC累积证据而非逐线索感知处理，需未来改进。结论：抑制模型在补偿条件下具显著优势，表明神经抑制是适应性、情境敏感决策策略选择的合理生物学机制，为理解认知负荷对决策的影响提供了神经计算基础。
