新聞網訊 近日，未來研究院青年教師畢則棟博士在國際著名期刊《PNAS》發表了題為「Understanding the computation of time using neural network models」的論文（PNAS, 2020, 117,10530-10540）。畢則棟為第一作者，青島大學為第一單位。香港浸會大學周昌松教授為通訊作者。
該研究用建立神經網絡模型的方法總結了大量神經科學實驗現象，系統地研究了時間間隔信息在工作記憶中的編碼規律。研究發現：（1）神經網絡在感知、保持和使用時間間隔信息時具有不同的動力學狀態；（2）神經網絡對時間信息的編碼與對空間或決策等非時間信息的編碼具有相互正交性和平移不變性，從而有助於時間信息和非時間信息的解碼泛化性；（3）時間與非時間信息的編碼耦合是通過多條相互作用的鏈式網絡結構實現的；（4）動物實驗發現，即使在完成非含時任務時，神經元活動也有75%的總方差與時間編碼相關，本研究總結了造成這一現象的4種機制。
該研究揭示了神經網絡處理時間間隔信息的計算原理，並預測了若干神經科學實驗現象。