Network geometry shapes the transformation of task representations across human cortex

ABSTRACT

中文摘要

灵活认知要求大脑既能把已有知识推广到新任务，又能保留区分具体任务所需的信息，但皮层网络如何同时实现这两个看似冲突的目标仍不清楚。作者分析参与者执行 16 种任务时的 fMRI 活动，并结合活动流建模，研究区域间功能连接的几何结构如何改变任务表征。结果显示，连接模式的维度能够预测表征在皮层传播后的变化：低维连接倾向于压缩输入表征，使不同任务的神经模式更相似，从而支持共享和泛化；高维连接则扩展表征空间，使多种任务规则能够形成更具区分力的联合编码。沿感觉区、联合区到运动区的处理路径，任务表征呈现由压缩到扩张的系统变化。活动流模型仅依靠区域间连接与上游活动，就能重现这种几何变换以及目标匹配相关的表征结构；这说明连接网络不只是把既有模式从一个区域传递到另一个区域，而是对表征执行可预测的变换。作者据此提出，网络几何是协调任务泛化和任务特异性的系统级组织原则。