低维神经编码延长工作记忆

神经元是嘈杂的计算基础，但大规模神经群体却能实现可靠计算。一项预印本研究通过递归网络模型，探讨了嘈杂群体维持工作记忆的最大时长。研究提出三个理论结果：首先，当活动处于低维潜在流形时，网络能抑制独立神经元噪声；其次，这种结构会诱导跨神经元的相关噪声，从而限制下游信息的提取；最后，这些效应推导出工作记忆时长的解析界，该界限与网络规模呈线性关系。研究利用大规模新皮层记录进行了验证。该发现为理解神经群体如何应对噪声、维持稳定记忆提供了新视角。注意：该研究尚未经过同行评审。