文献阅读：Sequential temporal anticipation characterized by neural power modulation and in recurrent neural networks

以神经功率调制和递归神经网络为特征的时序性预测

（付小丫 西南大学心理学部 时空认知实验室）

时间预期在日常生活中无处不在。当我们等待红灯变绿时，会预测绿灯亮起的瞬间以便及时启动汽车；当我们聆听音乐时，会预期下一个音符出现的时机以感受节奏的律动。这种利用时间信息优化未来时刻感知加工的能力，对人类的行为适应至关重要。然而，以往研究多聚焦于单一时间点的预期，且实验设计中通常存在外部时间线索（如节律性声音或视觉提示），难以分离大脑自主发起的时间预期与外部线索驱动的预期。因此，本研究旨在探究在无外部时间线索的条件下，大脑如何自主发起序列时间预期，并结合EEG记录与循环神经网络（RNN）建模揭示其神经计算机制。

研究采用"前记忆"任务范式，要求27名被试在2秒的白噪声背景中检测可能出现在500毫秒、1000毫秒或1500毫秒三个固定时间位置的微弱纯音。白噪声不包含任何节律或事件标记，被试必须依靠记忆和内部计时来预期这三个时间点。EEG数据分析采用功率调制谱（PMS）方法：首先对EEG信号进行时频分解提取各频段功率，再对功率的时间序列进行傅里叶变换，以识别功率随时间波动的调制频率。RNN建模方面，研究者构建了包含100个隐藏神经元（80%兴奋性、20%抑制性）的连续时间循环神经网络，输入为人工生成的模拟刺激信号，输出为"有无目标"的二分判断。网络仅接收判断正确与否的反馈，未被预先告知应在哪些时间点增强注意。

EEG结果显示，在无目标音的试次中，alpha-beta频段的功率呈现显著的2赫兹调制模式，对应于三个时间预期点的500毫秒间隔。研究者将相关的功率成分合并为Corrected Cluster 234，其时间动态清晰地标记了三个预期时间位置。进一步分析发现，该神经标记的峰值幅度与被试的检测表现（d-prime）呈显著正相关，表明神经预期越强，任务表现越好。峰值延迟呈现逐渐缩短的"进动"现象，从第一个时间位置的240毫秒缩短至第三个位置的130毫秒，提示预期效率逐步提升。RNN建模结果与人脑数据高度一致：训练后的网络自发涌现出2赫兹的隐藏层活动调制，且时间动态与人脑的Corrected Cluster 234极为相似。控制实验表明，当目标音改为均匀分布时，网络的调制模式随之消失，证明2赫兹调制是针对特定时间结构学习的结果。扰动兴奋-抑制平衡的实验进一步揭示，增强抑制性活动可复现人脑数据中的峰延迟缩短现象，提示抑制性回路在时间预期中发挥关键作用。

本研究揭示了序列时间预期的神经机制：大脑通过alpha-beta频段的功率调制实现动态增益控制，在预期时间点增强感觉敏感度，在非预期时段抑制噪声干扰。这一发现重新定义了时间预期的本质——它不仅是对关键时刻的预测，更是一种主动的噪声过滤机制。RNN建模为这一机制提供了计算层面的验证，表明动态增益控制是完成此类任务的有效策略。研究在方法学上的创新包括：去除所有外部时间线索以考察大脑自主发起的预期、采用数据驱动的PMS方法识别神经特征、以及利用RNN建模揭示计算机制。

本研究存在若干局限：EEG空间分辨率有限，难以精确定位信号的脑区来源；仅测试了三个等间隔时间位置，不等间隔条件下的预期机制有待探究；被试学习较快，未能观察到完整的学习过程。未来研究可结合fMRI技术验证基底节等皮层下结构的参与，并探索不同时间结构下神经调制模式的变化规律。

参考文献：

Teng, X., & Zhang, R.-Y. (2025). Sequential temporal anticipation characterized by neural power modulation and in recurrent neural networks. eLife, 13, RP99383. https://doi.org/10.7554/eLife.99383