时间对齐的感觉历史恢复延迟感觉运动系统中的马尔可夫毯功能

《BioSystems》：Temporally Aligned Sensory History Restores Markov-Blanket Function in Delayed Sensorimotor Systems

　　

生物感觉运动相互作用涉及有限延迟，这引发了一个问题：瞬时的马尔可夫毯（Markov blanket）是否包含分离内部与外部动力学所需的时间相关信息。研究人员在一个具有明确感觉-内部延迟的最小随机感觉运动系统中检验了这一问题，并比较了瞬时（instantaneous）、广义坐标（generalized-coordinate）、历史扩展（history-extended）、延迟精确（oracle-delay）、随机历史（random-history）和打乱历史（shuffled-history）识别模型。边界功能通过交叉拟合的剩余内部-外部依赖性以及当前状态重建、延迟对齐感觉重建和未来状态预测进行评估。瞬时识别在延迟条件下留下了大量的剩余依赖性，而时间对齐的感觉历史显著降低了这种依赖性并改善了重建和预测。广义坐标提供了部分补偿，而直接获取真实的延迟感觉状态对于延迟特定的重建是最优的，但并非对所有功能标准都是最优的。时间上被打乱的历史无法复现历史的优势。剩余筛选结果在不同正则化强度、非参数互信息估计、另一种时间扰动控制和多变量参数变化下均保持稳定。这些发现表明，在延迟耦合条件下，马尔可夫毯表征的功能充分性不仅取决于哪些变量构成边界，还取决于该表征是否包含介导系统-环境相互作用的时间相关信息。

**论文解读：延迟感觉运动系统中时间对齐感觉历史对马尔可夫毯功能的恢复作用**

**1. 研究背景与问题**

马尔可夫毯（Markov blanket）形式化地描述了将系统与其环境分离的统计边界。在自由能原理（free energy principle）和主动推理（active inference）的框架下，该形式被扩展至动力学系统，其中感觉状态和主动状态介导系统-环境边界上的相互作用。然而，生物感觉运动过程涉及有限的传输延迟——感觉转导、神经传递、突触整合、运动执行以及来自行动后果的反馈均需要时间。当感觉-内部相互作用存在延迟，例如内部状态在时间t依赖于较早时刻的感觉状态S(t?τ)时，瞬时的感觉-主动边界表征可能无法包含实际驱动当前内部动态的信息。这导致即使在因果组织结构未改变的情况下，内部与外部状态之间仍可能残留依赖性。因此，一个关键问题在于：马尔可夫毯的瞬时表征是否包含执行其筛选功能所需的时间相关信息？本研究通过一个最小随机延迟感觉运动系统直接检验了这一理论问题。

**2. 研究目的与核心发现**

研究人员构建了具有固定因果组织E→S→I→A→E和显式感觉-内部延迟S(t?τ)→I(t)的无量纲随机动力学模型，系统比较了六种识别模型：瞬时模型、广义坐标模型、历史扩展模型、延迟精确模型、随机历史模型和打乱历史模型。研究发现，在稳定的非线性条件下，瞬时感觉-主动边界留下了大量的剩余内部-外部依赖性，而时间对齐的感觉历史显著降低了这种依赖性，并改善了当前状态重建、延迟对齐感觉重建和未来状态预测。该结果对于正则化强度、非参数互信息估计、时间扰动控制以及多变量参数变化均稳健。研究证明了在延迟耦合条件下，马尔可夫毯表征的功能充分性不仅取决于构成边界的变量，还取决于该表征是否包含时间相关的信息。这些发现为理解生物系统中延迟补偿的机制提供了新的理论视角。该论文发表在《BioSystems》。

**3. 主要关键技术方法**

研究人员采用了多种关键方法。首先，构建了由一个外部状态E、感觉边界状态S、内部状态I和主动边界状态A组成的四变量随机延迟微分方程模型，包含一个显式感觉-内部延迟τ。其次，在相同轨迹上比较了六种识别模型，所有模型共享相同的分离感觉-主动边界基{Sn, An}，模型差异仅体现在附加的感觉侧时间信息上。第三，使用交叉拟合的剩余条件互信息（CMI）作为主要边界功能指标，以评估条件化后内部与外部之间的残余依赖性。第四，采用目标特定的预测和重建任务，包括当前外部状态推断、当前内部状态重建、延迟对齐感觉状态重建以及未来外部和主动边界状态预测。最后，通过参数鲁棒性分析，使用Sobol低差异序列同时扰动生成模型的12个参数，以检验结论在宽参数范围内的稳健性。样本来自模拟生成的轨迹，每个响应函数条件含900条轨迹，参数扰动分析含1152条轨迹。

**4. 研究结果**

**4.1 稳定性诊断**
在稳定的非线性条件下，所有900条轨迹均满足预定义的稳定性判据。线性条件因不满足稳定性判据而被保留为诊断条件，未用于主要推断。

**4.2 时间对齐感觉历史改善了当前外部状态推断**
在主要历史深度H=4.00时，历史扩展模型将当前外部状态的均方误差（NMSE）从瞬时模型的0.209降至0.0727，随机历史模型为0.0736；打乱历史模型为0.210，与瞬时模型相当。表明改进依赖时间对齐而不仅是特征维度。

**4.3 时间对齐历史降低了剩余内部-外部依赖性**
历史扩展模型将剩余CMI降至0.000620，较瞬时模型的0.0748降低99.2%；打乱历史模型为0.0749，与瞬时模型持平。

**4.4 剩余筛选随历史深度系统性改善**
剩余CMI随历史深度增加而系统下降，历史模型在H≥0.80时接近最小值；打乱历史模型无此效应，其残余CMI在整个历史深度网格上保持瞬时水平。

**4.5 当前内部状态重建显示相同的历史依赖模式**
历史扩展模型和随机历史模型将当前内部状态重建NMSE降至约0.0265，打乱历史模型为0.0483，与瞬时模型基本一致。

**4.6 结构化历史在重建精确延迟感觉驱动方面更优**
对延迟对齐感觉状态Sn?d的重建中，结构化历史模型实现了NMSE为1.91×10??的近乎零误差，优于随机历史模型的2.14×10??，打乱历史模型为0.0504。

**4.7 时间对齐历史改善了未来外部状态和主动边界预测**
对于未来外部状态预测，历史模型在q=0.80时NMSE为0.304，较瞬时模型的0.400降低24%；对于未来主动边界预测，历史模型在q=1.60时为0.0448，较瞬时模型的0.0499降低10%。

**4.8 剩余筛选对正则化、依赖估计器与时间扰动控制稳健**
模型排序在正则化强度α_CMI=1×10??至1×10?2间保持不变；KSG非参数估计器恢复了相同的定性模式；块置换历史控制也未复现对齐历史的筛选优势。

**4.9 边界功能恢复对多变量参数变化稳健**
在全部1152条参数扰动轨迹中，对齐历史的剩余CMI均低于瞬时模型，且打乱历史和块置换历史的剩余CMI均高于对齐历史。

**4.10 模型比较结果总结**
瞬时边界并非普遍充分；广义坐标部分改善，但时间对齐感觉历史产生了最强的整体边界功能恢复；延迟精确表示在延迟特定重建上最优但非普适；结构化与随机对齐历史在筛选上基本等效，结构化历史在精确延迟重建上更优。

**5. 讨论与结论**

在讨论部分，研究人员指出时间对齐历史恢复了延迟条件下的边界功能，将时间信息与特征维度分离；延迟改变了充分状态表征的需求，内部动态对过去区间的依赖需要有限历史表征；广义坐标与显式历史提供了不同形式的时间信息，广义坐标部分补偿但不能完全替代有限历史；该结果与生物延迟补偿机制（如Smith预测器、前向模型）相关，强调了时间可访问性是功能性需求而非特定记忆架构。研究生成的可实验预测包括：相对延迟增加时应更依赖延长时间信息；时间对齐扰动比信息量减少更具破坏性；最优时间表征依赖于任务功能；对延迟变化的适应应伴随时间感受野的移动。研究结论部分翻译如下：结果显示，当感觉运动耦合延迟时，马尔可夫毯表征的功能充分性取决于时间组织。即使系统的因果划分不变，瞬时感觉-主动边界也可能留下大量的剩余内部-外部依赖性。获取时间对齐的感觉信息可以恢复筛选并改善重建和预测，而时间被打乱的历史则没有这种效果。这一模式对正则化强度、依赖性估计器、时间扰动程序和生成参数的多变量变化都是稳健的。其含义并非马尔可夫毯在延迟条件下失效，而是其功能表征不能总是局限于当前瞬间。在延迟生物系统中，介导系统-环境边界的信息可能分布在时间上。因此，有效的边界功能不仅取决于哪些变量将内部与外部动力学分离，还取决于相关信息何时可用。