来源 | 本文选自《物理》2023年第4期，编译自 Philip Ball. Physics，January 27，2023

理论上构建的“吸引子网络” (attractor networks) 可用于模拟大脑的记忆。基于该网络的一项研究再现了记忆存储并被最终遗忘的过程。计算模拟表明，随着年龄的增长，保留记忆的神经活动图案变得混乱，无法预测，最终成为随机噪声。虽然大脑中是否会真的如此尚不清楚，但学者建议通过监测记忆过程中的神经活动随时间的演变来研究这一行为。

信号在网络节点（神经元）之间传递会表现出不同图案，是记忆存储和检索的依据，人工神经网络和生物神经网络均如此。对于人工神经网络而言，任一时刻某个节点的输出值取决于与其相连的其他节点的输入。类似地，生物神经元放电的概率及频率也取决于对其输入。另一相似之处是，代表突触的节点间链接被“加权”，可以放大或衰减所传递的信号。链接权重取决于两个节点的同步程度，新的记忆可改变权重。

在吸引子网络模型中，节点间交换的信号反映了实际神经元的放电率，并作为输入确定接收神经元的响应。该网络中，这样的信号持续且不断变化地传播。为了在网络中刻上“记忆”，人们将一串二进制数（代表某项记忆）分配给若干节点，然后观察网络的活动性如何随着权重的调整而演变。节点之间传递的信号最终形成一种重复图案，称为“吸引子态”，也就是编了码的记忆。

若将与记忆有数学关联的新二进制数作用于节点，则可检索记忆，让网络的活动性再次呈现为相应的吸引子态。通常，一个吸引子网络可保存若干记忆，每个记忆对应于不同的吸引子态。因此，网络的活动性在这些状态之间来回变换。

此前的生物神经网络研究表明，网络的活动性比预期的稳定吸引子态更随机。此外，吸引子网络的研究显示可能出现“灾难性遗忘”：如果刻录的记忆状态太多，则无法检索。

看来记忆态并非永恒。纽约大学神经科学家Ulises Pereira Obilinovic等研究记忆是如何改变的。他们调整信号权重，让刻上记忆时的初始权重逐渐减小，记忆将最终消失。模拟给出了两类记忆状态。最新的记忆对应于“定点”吸引子，具有清晰而持久的图案，就像围绕太阳的行星轨道。但随着记忆的老化，将转变为第二种类型：混沌吸引子，其活动不精确重复，有点类似天气模式。

随着更多记忆的获得，混沌吸引子的随机性明显增加，直至吸引子状态消失为噪声。此时不再能检索记忆，记忆完全被遗忘。该研究认为，“遗忘”始于神经网络的活动从规则到混沌的转变，直至一定时间内成为噪声。看来，人们的记忆并非忠实可靠。该模型中没有灾难性遗忘：旧的记忆将自动消失，不存在过载的可能。

吸引子网络理论在大脑存储的研究方面影响很大。在Obilinovic等发表的论文(Phys. Rev. X，2023，13：011009) 中，作者研究了一个稀疏连接的吸引子网络，那里的记忆通过所谓的“Hebbian突触可塑规则”来训练：新的记忆被不断学习，旧的记忆会被遗忘。他们还构建了一个动态平均场理论来描述记忆随时间的演化，并将该理论与网络模拟作对比，从而给出记忆最大化情形的遗忘时间。可见，在吸引子网络理论中，以记忆的遗忘为代价而不断学习新知识。该研究可以较好地解释大脑皮层中记忆状态的多样性，特别是皮层活动的快速变化。

鉴于旧的记忆存储于较混杂的状态中，研究人员推测，检索这类记忆时神经元放电时间的波动会更大。这一看法可以通过监测记忆后不同时期的神经活动性来检验。

柏林工业大学神经科学家Tilo Schwalger认为，这些预言确实可以检验，且相关成果可应用于动物神经网络。葡萄牙学者Francesca Mastrogiuseppe对此表示赞同，并补充说该研究“处于理论神经科学两条主要方向的交叉点：一个跟记忆有关，另一个跟大脑中不规则的神经活动有关”。她进一步指出，研究表明这两者有联系。

本文经授权转载自微信公众号“中国物理学会期刊网”。