PsyBrain 脑心前沿 / 决策与强化学习：顶刊文献解读专题 / A · 文献解读 / A087 · 最新重磅Nature正刊决策过程的动力学机制与神经模式转

A087 最新重磅Nature正刊 | 决策过程的动力学机制与神经模式转变

来源：公众号 PSY-Brain_Frontier ｜发布：2025-09-19 ｜原文链接

点击蓝字关注我们知晓前沿

认知神经科学前沿文献分享

基本信息

Title:Transitions in dynamical regime and neural mode during perceptual decisions

发表时间：2025.9.17

Journal: Nature

影响因子：48.5

引言：当大脑“下定决心”时，究竟发生了什么？

想象一下，在浓雾弥漫的山林中徒步，前方路径分岔，你必须根据微弱的声响和模糊的足迹做出选择。起初，你犹豫不决，仔细权衡着每一条线索；但突然之间，一个“Aha!” 时刻降临，你内心变得笃定，迈向其中一条小径。这个从权衡到决断的瞬间，是人类心智活动中最核心也最神秘的体验之一。

在科学上，捕捉这个稍纵即逝的内在精神事件是一项巨大的挑战。传统的神经科学研究常常将“决策承诺”与一个可观测的外部行为（如按键或移动）绑定在一起。但我们都清楚，内心的决定往往在行动之前早已做出。那么，我们能否直接窥探大脑内部，找到那个标志着“心意已决”的精确神经信号？这个信号，又遵循着怎样的动力学规律？

近期，发表于顶级期刊《自然》(Nature) 的一项研究为我们揭开了这层神秘的面纱。普林斯顿大学Brody实验室的Luo等人，通过同时记录大鼠在执行复杂听觉任务时数百个神经元的活动，并结合一种前沿的无监督深度学习方法，实时“观看”了决策在大脑中展开的全过程。他们发现，决策并非一个平稳的线性过程，而是在某一时刻，神经活动会发生一次急剧的、戏剧性的转折。这个转折点，精准地标记了动物“下定决心”的瞬间。

省流总结

对于时间紧张的读者，以下是这篇论文最核心的观点：

决策是一场“两幕剧”：大脑的决策过程并非连续不断地累积证据，而是分为两个阶段。第一阶段是“证据收集”，由外部感觉信息主导，大脑保持开放和灵活；第二阶段是“决策承诺”，转为由内部自主的动力学主导，一旦进入此阶段，大脑便不再理会新的信息。
承诺的“急转弯”：从“收集”到“承诺”的转变并非渐进的，而是以神经集群活动模式的一次快速、协调且近乎90度的“急转弯”为标志。这好比大脑在思考的路径上突然拐了一个直角弯，代表着思维模式的根本性转变。
定位隐藏的“承诺时刻”：研究者首次实现了在单个试次中，精确识别出这个隐藏的决策承诺时刻，并将其命名为nTc (neurally inferred Time of commitment，神经推断的承诺时间)。
扎实的行为学证据：研究证明nTc并非空想。行为分析显示，在nTc之前出现的证据会影响最终选择，而在nTc之后出现的证据则被完全忽略——此时大脑已经“心意已决”，关上了接收新证据的大门。
一个统一的理论：基于这些发现，研究者提出了一个名为“最小修正漂移扩散模型”（Minimally Modified Drift-Diffusion Model, MMDDM）的新理论。该模型优雅地解释了许多以往令人困惑的神经科学现象，例如神经元放电模式的多样性（“斜坡式”vs.“阶梯式”）以及在平均数据中观察到的神经活动轨迹为何呈现曲线状。

研究背景与动机

要理解此研究的突破性，必须先回到经典的决策理论。

经典观点：一场奔向终点线的简单赛跑

几十年来，决策认知神经科学领域一直由“漂移扩散模型”（Drift-Diffusion Model, DDM）主导。这个模型非常直观：它将决策过程比作一个粒子（决策变量）在一条线上随机游走。当有支持选项A的证据时，粒子就向A的终点线漂移一点；当有支持选项B的证据时，就向B的终点线漂移一点。谁先撞线，大脑就做出相应的决定。

为了给这个行为模型找到神经基础，科学家们提出了 “吸引子动力学”（attractor dynamics）理论。该理论认为，大脑网络中存在着代表不同选项的稳定状态（即“吸引子”）。决策过程就是神经活动状态在这些吸引子之间演化的过程。主流的假说包括“双稳态吸引子”（bistable attractor，网络有两个稳定的“坑”，分别代表两个选项）和“线性吸引子”（line attractor，网络有一条稳定的“线”，位置代表累积的证据量）。

问题所在：我们一直在“猜”大脑的规则

这些经典模型虽然强大，但存在一个根本性的局限：它们都是科学家预设的假说。研究者们先假设大脑“应该”是这样工作的，然后再去神经数据中寻找支持这些假说的证据。正如论文作者指出的，“决策背后的真实群体水平动力学从未被直接估计过”（the actual population-level dynamics underlying decision-making have not been directly estimated）。我们就像是拿着一张预先画好的地图去找路，而不是让地形自己告诉我们路在哪里。

这正是本研究的出发点，它代表了一次重要的范式转换：从“假说驱动”的研究转向“数据驱动”的无监督发现。研究者们不再追问“大脑是否符合线性吸引子模型？”，而是提出了一个更根本的问题：“大脑决策时，其神经活动的内在规律究竟是什么？”。这种转变的动机不仅是为了修正旧模型，更是为了利用新兴的深度学习工具，从数据本身出发，揭示大脑计算的真实面貌，哪怕它会颠覆我们以往的所有认知。

研究问题

基于上述动机, 该研究欲回答三个环环相扣的核心科学问题：

动力学规律的发现：我们能否采用一种数据驱动的、无监督的方法，不依赖任何先验假说，直接从神经集群活动中推断出支配知觉决策的基本动力学系统——即神经活动的“运动定律” (dynamical regime) ？
承诺转变的刻画：从累积证据到做出承诺，这个神经层面的转变过程其本质是什么？它是一个相同过程的平滑延续，还是在动力学和神经表征上的一次离散的、质的飞跃？
承诺时刻的神经标记：我们能否找到一个精确的、能够在单个试次中被识别的神经标记，它对应着那个内部的、隐蔽的决策承诺瞬间？并且，我们能否通过行为学实验来验证，这个标记确实是决策变得不可逆转、不再受新证据影响的时间点？

实验设计

为了回答这些深刻的问题，研究团队设计了一套堪称“读心术”的尖端实验流程，它由三个精密的部分组成：巧妙的任务设计、强大的记录技术和革命性的分析引擎。

任务设计：分离内部驱动与外部输入

研究团队训练小鼠完成一项听觉脉冲累积任务：小鼠需要聆听从左右两侧扬声器随机播放的“滴答”声，并判断哪一侧的声音更多，然后做出相应的行为选择。

这个任务设计的精妙之处在于随机时间的脉冲式刺激。这并非一个随意的选择，而是整个研究能够取得突破的关键。因为研究的核心目标之一，是区分两种性质完全不同的神经动力学：由外部感觉信息驱动的输入动力学（input-driven dynamics），以及大脑自身固有的自主动力学（autonomous dynamics）。

如果使用连续不断的声音刺激，这两种动力学将永远混杂在一起，无法剥离。而脉冲式的设计完美地解决了这个问题：

在“滴答”声出现的瞬间，神经活动的变化主要反映了大脑对外部输入的响应，研究者可以据此估计输入动力学。
在两次“滴答”声之间的静默期，神经活动的演化则主要受大脑内部状态的驱动，研究者可以据此估计自主动力学。

因此，这个行为范式本身就构成了一个强大的测量工具，它为后续的分析和发现奠定了基础。

记录技术：聆听神经乐团的交响

为了捕捉决策过程中的群体神经活动，研究者使用了目前最先进的 Neuropixels 探针技术。他们将这些高密度电极探针长期植入小鼠大脑中与决策密切相关的六个脑区，包括背内侧前额叶皮层（dmFC）、内侧前额叶皮层（mPFC）、背侧纹状体（dStr）等。

这项技术使得研究者能够同时记录数百个神经元的放电活动。这不再是聆听几个“独奏家”的声音，而是以前所未有的规模，同步聆听整个“神经乐团”的演奏。这种群体水平的视角，对于理解神经系统作为一个整体如何进行计算至关重要。

图10

分析引擎：FINDR——动力学发现者

本研究的核心分析工具是一种名为FINDR（Flow field Inference from Neural Data using deep Recurrent networks）的创新性无监督深度学习方法。

FINDR的功能可以类比为一位天文学家：它不是拿着牛顿的万有引力定律去验证行星的轨道，而是通过观察行星的运动轨迹，反过来推断出万有引力定律本身。

同样，FINDR并不预设任何决策模型，而是直接分析海量的神经元放电数据，推断出最能解释这些数据的低维动力学方程，从而发现神经活动状态空间中的“流场”（flow field）或“矢量场”（vector field）。

图11

为了确保其可靠性，研究者首先在合成数据上验证了FINDR。结果表明，如果数据确实是由经典的吸引子模型生成的，FINDR能够准确地识别出这些预设的动力学模式。这证明了FINDR不仅具有发现新规律的能力，也具备验证旧理论的准确性。

图12

图13

核心发现

当这套强大的实验和分析工具对准小鼠的大脑时，它揭示了一幅前所未见的、关于决策的动态画卷。这个发现可以分为四个紧密相连的部分。

发现一：两个动力学机制与一次急剧转向

FINDR分析的结果令人震惊：大脑在决策时的真实动力学，与任何一个经典的吸引子假说都不符。取而代之的，是一个清晰的两阶段过程：

第一阶段：输入主导的证据累积。在决策早期，神经活动的状态主要被外部的感觉信号（“滴答”声）所驱动，像一颗被外力推动的弹珠。此时，大脑自身的自主动力学非常微弱。神经活动沿着一个我们称之为“证据累积轴”的方向演化。
第二阶段：自主主导的决策承诺。在决策的后期，情况发生了逆转。大脑的内部动力学突然变得异常强大，它接管了主导权，强有力地推动神经活动沿着一个全新的方向——“决策承诺轴”——前进，并很大程度上忽略了后续的感觉输入。
正交的模式转变。最关键的发现是，这两个轴（“累积轴”和“承诺轴”）并非在一条直线上，而是几乎相互垂直（正交）。这导致在两个阶段的转换点，神经活动的平均轨迹出现了一个急剧的、戏剧性的转弯。这正是决策承诺的神经信号，是神经动力学的一支“舞蹈”。

图14

发现二：MMDDM模型与nTc——隐藏的承诺时刻

FINDR模型虽然强大，但它是一个复杂的描述性模型。为了提炼出其核心发现，并建立一个更简洁、更具可解释性和可检验性的理论，研究团队开发了“最小修正漂移扩散模型”（MMDDM）。

MMDDM的核心创新在于：它保留了DDM的基本框架（一个决策变量累积证据直至到达边界），但增加了一个关键的“修正”——神经元编码决策变量的方式，在到达承诺边界时会发生突变。每个神经元拥有两套“读出权重”：一套用于证据累积阶段 (w_EA)，另一套用于决策承诺阶段 (w_DC)。

这个模型不仅完美地复现了FINDR发现的两阶段动力学，还带来了一个巨大的飞跃：它能够基于神经活动和行为数据，为每一次单独的试次，精确地推断出这个动力学转变发生的时刻——即nTc。

对nTc的分析揭示了其惊人的特性：它在不同试次间的发生时间非常多变，与刺激开始、刺激结束或最终的动作反应时间都没有固定的锁时关系。这有力地证明了，决策承诺是一个真正由大脑内部节律控制的、隐蔽的认知事件。

图15

图16

发现三：“铁证”--来自行为学的最终验证

找到了 nTc 这个神经标记后，接下来的问题是：它真的就是动物“下定决心”的那个瞬间吗？研究者进行了一项堪称“决定性”的行为学验证。

其逻辑非常清晰：如果nTc真的是承诺时刻，那么任何在nTc之后到达的证据，都应该对动物的最终选择毫无影响。

为此，他们进行了一项名为“物理心理学核”（psychophysical kernel）的分析。他们不再将每试次的刺激序列按传统的刺激开始时间对齐，而是创新性地按照每个试次自己独特的、由神经活动推断出的nTc时刻进行对齐。

结果清晰得令人难以置信（见下图d）：在nTc之前，声音脉冲的权重很高，显著影响动物的选择；而在nTc发生的瞬间，这个权重断崖式地跌落到零，并且一直保持为零。这表明，一旦nTc发生，大脑就对后续的感觉信息“充耳不闻”了。

图17

这一发现不仅是nTc有效性的“铁证”，也揭示了一个更深层的方法论原理。传统的、基于外部事件（如刺激开始）的试次平均方法，会因为nTc在不同试次中的 “抖动” 而将这种锐利的阶梯状变化模糊成一条平滑的下降曲线。只有当数据按照大脑内部的认知事件（nTc）重新对齐时，决策过程中那个“一刀两断”式的计算本质才得以显现。这为整个神经科学领域提供了一个重要启示：要理解大脑，我们必须学会倾听其内部的节奏，而不仅仅是记录它对外部世界的反应。

发现四：一个统一的理论解释了神经活动的多样性

MMDDM模型的最后一个强大之处在于，它用一个简洁的框架，统一了解释了多个长期以来困扰神经科学家的、看似无关的现象。

“斜坡”与“阶梯”之争：长期以来，研究者在记录单个神经元活动时，发现有些神经元在决策过程中的放电率像“斜坡”一样逐渐上升，而另一些则像“阶梯”一样突然跳变。MMDDM模型指出，这并非两种功能完全不同的神经元。这种多样性，仅仅取决于单个神经元在“证据累积”和“决策承诺”这两个阶段的参与程度（即 w_EA 和 w_DC 的相对大小）。
曲线轨迹之谜：为什么在很多研究中，将多个试次的神经活动平均后，得到的总轨迹是一条平滑的曲线？MMDDM模型给出了答案：这其实是一种“平均的假象”。每一次单独的试次都包含一个急剧的转弯，但因为转弯的时刻（nTc）在每个试次中都不同，将它们平均在一起后，尖锐的转角就被抹平，形成了一条看似平滑的曲线。
脑区功能特化：该框架甚至为不同脑区的功能差异提供了新的见解。例如，研究发现mPFC的神经元更倾向于在早期证据累积阶段发挥作用 (w_EA > w_DC)，而额叶眼动区（FOF）的神经元则在两个阶段的参与更为均衡，这揭示了决策网络中可能存在的功能梯度。

图18

下面的表格清晰地展示了MMDDM框架的强大统一解释力。

图19

图20

编辑部观点

这项发表在《自然》杂志上的研究，其意义远超出了对一个特定决策任务的解释。它在理论、方法和概念上都为认知神经科学带来了深刻的变革。

理论范式的转变：从“越过终线”到“机制切换”

这项工作从根本上重塑了我们对决策的认知模型。决策承诺不再是一个一维变量简单地“撞线”，而是一个高维神经系统动力学状态的协同转变。承诺的瞬间，不是一个“点”，而是整个神经集群活动“游戏规则”的改变——从一个由外部输入主导的机制，切换到一个由内部自主动力学主导的机制。这为理解认知灵活性和状态转换提供了全新的物理基础。

未来研究的方法论蓝图

该研究展示了一种极其强大的研究新范式：首先，利用无监督的、数据驱动的深度学习方法（如FINDR）去探索和发现神经数据中未知的结构，从而产生新的、真正源于数据的假说；然后，构建和使用更简洁、可解释的数学模型（如MMDDM）来形式化、检验和提炼这些假说。这种“发现”与“验证”相结合的策略，兼具了深度学习的灵活性和传统建模的严谨性，为未来研究其他复杂的认知功能（如注意力、工作记忆、创造性思维等）提供了一份清晰的蓝图。

一扇窥探隐蔽心智的新窗口

能够在单次试验中精确地识别像nTc这样的内部认知事件，是一项重大的方法论突破。它为我们提供了一个前所未有的工具，去追踪那些无法直接通过行为观察到的“心智的隐藏变量”。这项研究的成功表明，同样的方法或许可以被用来寻找其他隐蔽认知过程的神经标记。例如，是否也存在一个类似的“动力学机制切换”来标记注意力被捕获的瞬间？或是记忆被成功提取的瞬间？甚至是灵感迸发的 “Aha!” 时刻？

这篇论文的深远影响，可能就在于它提供了一套可推广的工具箱（大规模神经记录 + 无监督动力学发现 + 精简模型验证 + 行为学确认），使我们能够绘制出大脑内部认知状态的动态地图，推动神经科学从一个主要关注“刺激-反应”的框架，迈向一个能够真正理解内在心智活动的全新纪元。

总而言之，决策的瞬间，并非一次简单的冲刺撞线。它是一场深刻而迅速的大脑活动重组——一场精妙协调的高维之舞。在这支舞中，大脑在眨眼之间，就从一个虚心聆听的“证据收集者”，转变为一个充满自信的“行动决策者”。而这篇论文，为我们描绘出了这支舞蹈的完整编排。

图21

Abstract

Perceptual decision-making is thought to be mediated by neuronal networks with attractor dynamics. However, the dynamics underlying the complex neuronal responses during decision-making remain unclear. Here we use simultaneous recordings of hundreds of neurons, combined with an unsupervised, deep-learning-based method, to discover decision-related neural dynamics in the rat frontal cortex and striatum as animals accumulate pulsatile auditory evidence. We found that trajectories evolved along two sequential regimes: an initial phase dominated by sensory inputs, followed by a phase dominated by autonomous dynamics, with the flow direction (that is, neural mode) largely orthogonal to that in the first regime. We propose that this transition marks the moment of decision commitment, that is, the time when the animal makes up its mind. To test this, we developed a simplified model of the dynamics to estimate a putative neurally inferred time of commitment (nTc) for each trial. This model captures diverse single-neuron temporal profiles, such as ramping and stepping. The estimated nTc values were not time locked to stimulus or response timing but instead varied broadly across trials. If nTc marks commitment, evidence before this point should affect the decision, whereas evidence afterwards should not. Behavioural analysis aligned to nTc confirmed this prediction. Our findings show that decision commitment involves a rapid, coordinated transition in dynamical regime and neural mode and suggest that nTc offers a useful neural marker for studying rapid changes in internal brain state.

图22

Author information

共同第一作者1: Thomas Zhihao Luo

Princeton Neuroscience Institute, Princeton University, Princeton, NJ, USA.

普林斯顿神经研究所, 普林斯顿大学, 普林斯顿, 美国新泽西州

School of Biological Sciences, University of Utah, Salt Lake City, UT, USA.

犹他州大学生命科学学院, 盐湖城, 美国犹他州

共同第一作者2:Timothy Doyeon Kim

Princeton Neuroscience Institute, Princeton University, Princeton, NJ, USA.

普林斯顿神经研究所, 普林斯顿大学, 美国新泽西州

University of Washington, Seattle, WA, USA.

Allen Institute, Seattle, WA, USA.

华盛顿大学, 西雅图, 美国华盛顿州; 艾伦研究所

通讯作者:Carlos D. Brody

Princeton Neuroscience Institute, Princeton University, Princeton, NJ, USA.

普林斯顿神经研究所, 普林斯顿大学, 普林斯顿, 美国新泽西州

Howard Hughes Medical Institute, Princeton University, Princeton, NJ, USA.

霍华德·休斯医学研究所, 普林斯顿大学, 普林斯顿, 美国新泽西州

图23

相关阅读

大语言前沿文献推荐：

📚 Nat Mach Intell | 高级视觉表征为何与大语言模型“同频”？

精神类疾病前沿文献推荐：

📚 BP | 大数据脑模型揭示精神疾病精准医疗新路径

图24

本文解读基于：Transitions in dynamical regime and neural mode during perceptual decisions，Doi:10.1038/s41586-025-09528-4IF: 48.5 Q1 B1。核心图表、方法细节、统计结果与讨论见原文及其拓展数据。

分享人：饭哥

审核：PsyBrain 脑心前沿编辑部

图25