优化扰动输入提升神经连接估计

研究神经网络的连接性是神经科学的核心挑战之一。由于自发活动提供的连接性估计信息有限，扰动方法被广泛采用，但传统扰动设计多依赖经验。研究人员提出一种基于控制理论的框架，将神经元模型视为控制系统，通过数据驱动优化扰动输入，以更精确地揭示底层动态。该框架为神经环路研究提供了新的定量工具，目前为预印本，尚未经同行评议。