结构化经验塑造内侧内嗅皮层中的策略学习与神经动力学

《Nature Neuroscience》：Structured experience shapes strategy learning and neural dynamics in the medial entorhinal cortex

　　

动物通过复用和调适先验知识来解决新的复杂任务。这种灵活性不仅取决于经验的内容，也取决于经验的结构。早期训练课程尤其重要：结构不良的经验会阻碍抽象并限制泛化。然而经验塑造未来学习的神经机制仍不清楚。研究人员在小鼠气味计时任务上训练递归神经网络(RNN)，该任务曾用于研究小鼠复杂计时行为，随后用小鼠行为与内侧内嗅皮层(MEC)记录检验模型预测。若无结构化早期经验，RNN与小鼠均发展出僵化且易错的策略；而结构化训练促进了反映任务时间结构的神经活动。利用动态系统分析，研究人员考察不同训练课程如何塑造网络动力学，以及这些动力学是否随任务复杂度增加支持抽象与泛化。这些发现表明，先验经验的结构支配着灵活、可泛化知识在生物系统与计算模型中的涌现。

研究背景方面，学习使动物构建灵活知识结构，通过重组先验经验适应新任务，这种组合性学习意味着先验经验结构即课程对学习至关重要。结构不良的课程会使动物固着于次优解，而过往经验如何经内侧颞叶(MTL)尤其是内侧内嗅皮层(MEC)的递归连接塑造未来策略与相关神经回路动力学仍不清楚。MEC具网格细胞调谐、上下文依赖与时间相关活动，是经验依赖动力学偏置未来策略学习的候选区。同时，计算研究显示课程预训练可令RNN采用与动物相似的策略，但缺乏在重叠特征上下文中经验结构作用的机制解释。为此研究人员以小鼠气味计时任务为约束，训练RNN并匹配小鼠行为电生理实验，探究早期经验结构如何催生学习相关动力学与认知策略。

关键技术方法上，研究人员构建了全连接泄漏单元递归神经网络(RNN)，在修改的时间判别延迟非匹配样本(tDNMS)气味任务上训练，比较无塑形(NS)、标准非匹配塑形后全任务(S/FT)及单一试次类型塑形等课程；对网络隐层活动做主成分分析(PCA)、线性判别分析(LDA)时间解码、固定点与极限环等动态系统分析、递归连接权重特征谱与随机森林分类；并行开展小鼠实验，采用两组小鼠队列（标准LS+SL塑形n=16，SL-Only塑形n=4），慢性植入Neuropixels 2.0探针记录MEC单细胞放电，进行行为绩效与跨上下文时间解码比对。

研究结果部分，首先“RNN学会解决复杂计时任务”小节指出，S/FT网络在输入噪声与线索时序抖动下显著优于NS网络，单位活动更均匀铺满任务时长，NS网络出现LS试次长线索后早反应与低幅响应。其次“塑形后RNN学到关于任务结构的关键抽象”小节显示，S/FT网络PCA前三维解释方差更大、轨迹纠缠度更低，跨上下文LDA时间解码显著优于NS，表明学到独立于试次类型的Elapsed trial time抽象。再次“先验经验持久改变网络连接”小节发现S/FT递归权重特征谱稳定出现两对共轭复特征值，仅依权重即可分类是否塑形，早期干预朴素网络权重使其模仿该谱可逼近塑形性能。其后“动力学基元预测网络行为”小节揭示NS网络呈线索亮/灭双线吸引子与漏积分证据累积，S/FT网络在线索灭时呈极限环、线索亮时切至固定点，形成Detector+Timer策略，将线索检测(PC1/PC2相位)与时长(PC3)正交分离。再者“塑形任务选择对抽象学习至关重要”小节表明仅SL塑形网络性能同NS，仅LS塑形呈双峰，证明同时暴露SL与LS两时间上下文才能迫使网络学到必要抽象。最后“RNN预测在动物中证实塑形程序关键”小节报告SL-Only小鼠固守“长线索后舔”策略、全任务8天成绩显著低于标准塑形组，MEC跨上下文时间解码误差更大，PCA状态空间前三维方差占比更低，与NS RNN一致。

讨论与结论翻译部分，研究人员总结：先验经验的结构而非其有无，支配灵活可泛化知识在生物与人工神经系统中涌现；结构化塑形在RNN递归连接中留下持久特征谱印记，促成极限环与固定点切换的Detector+Timer动力学基元，使MEC类递归回路能将线索检测与经过时间抽象分离；错误塑形（如SL-Only）使小鼠与NS RNN同样陷于漏积分早反应次优策略，证实课程嵌入的假设偏置未来策略。该工作由《Nature Neuroscience》接收，联结计算动力学与MEC在体记录，为课程学习如何通过递归皮层动力学塑造抽象与泛化提供机制级证据。