研究进展：大脑复杂仅是假象-神经元无需非线性激活 | Nature Physics

神经科学传统观点认为神经元通过复杂的非线性交互（如高阶交叉关联）来处理信息，但这一假设缺乏大规模实验数据的支持。本研究由耶鲁大学的Christopher W. Lynn团队在Nature Physics上发表，实验证明无需引入复杂的多输入高阶相互作用，仅通过捕捉每个输入的实测依赖性即可解释神经元活动中的大部分变异性。研究背景在于传统神经元模型常引入复杂交互，却无法判定神经元活动的主导因素。研究目的是验证简单的单输入依赖是否能解释神经元活动。结论表明，通过构建等价于逻辑斯蒂人工神经元的最小模型，可以定量描述多脑区和物种的神经元活动，预测高阶依赖关系，并恢复突触连接特征。所推断的神经网络是稀疏的，表明神经编码具有高度冗余和对扰动的鲁棒性。这一发现颠覆了神经元依赖复杂非线性运算的传统认知，建立了“简单单输入依赖主导神经编码”的新框架。