Nat Commun | 吸引子動力學建模揭示：注意力狀態改變了大腦皮層狀態空間的“地形”

認知神經科學前沿文獻分享

基本信息

Title:Geometry of neural dynamics along the cortical attractor landscape reflects changes in attention

發表時間:2026-2-12

發表期刊:Nature Communications

影響因子:15.7

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

我們的大腦是如何在不同的注意力狀態之間切換的？當你沉浸在一部精彩的喜劇中，或者全神貫注于一項枯燥的認知任務時，大腦底層的運行邏輯有何不同？

從動力學系統的視角來看，大尺度的大腦活動可以被視為高維狀態空間中的一條軌跡。這個空間并非平坦無垠，而是布滿了“丘陵與山谷”，即所謂的“吸引子地貌”（attractor landscape）。神經活動的軌跡往往會自然地滑向那些深谷,也就是大腦在靜息或任務中反復出現的經典腦狀態（吸引子）。

然而，目前的領域痛點在于，我們雖然知道大腦狀態與生理或認知狀態（如饑餓、喚醒、注意力）有關，但連接兩者的計算機制仍是一個黑箱。一個人的瞬時內部狀態，究竟是如何改變大腦在這片“丘陵與山谷”中穿梭的軌跡的？

為了回答這個問題，研究者將一種大尺度動力學系統模型應用于靜息態、認知任務和自然觀影過程中的功能磁共振成像（fMRI）數據。這項研究試圖剝離出大腦的內在動力學與外部刺激驅動的活動，通過追蹤神經軌跡的速度與方向，揭示注意力狀態是如何重塑大腦狀態空間的幾何特征的。

研究核心總結

本研究的核心在于通過前向模擬（forward simulation）重構了大腦的吸引子地貌，并發現神經軌跡向吸引子匯聚的“幾何特征”（速度與方向）會隨著注意力和情境的變化而發生系統性的改變。

一、動力學模型成功分離內在漂移與外部驅動，并揭示穩定的皮層吸引子

研究者首先驗證了該動力學模型的生物學合理性。該模型不僅能準確預測下一時刻的神經活動，其提取的參數也高度還原了傳統的腦功能連接和刺激編碼特征。更重要的是，模型將神經活動拆解為兩部分：由區域間連接和自衰減主導的“內在漂移”，以及由外部刺激引發的“外在擾動”。

Fig 1. 神經動力學在吸引子地貌上的幾何特征示意圖，直觀展示了大腦狀態（圓點）如何在內在地形（山谷）與外部擾動（紅色箭頭）的共同作用下演化。

Fig 2. 大尺度皮層動力學模型架構，展示了模型如何通過區域間相互作用、自衰減與外部刺激輸入來預測下一時刻的神經活動模式。

通過對模型進行數千次的前向模擬，研究者發現，如果僅考慮內在動力學，大腦活動最終總是會收斂到少數幾個穩定的“吸引子”上。這些吸引子并非隨機分布，而是完美契合了已知的宏觀皮層梯度：它們分別錨定在默認網絡（DMN）與單模態感覺運動區域的兩端，以及視覺網絡與感覺運動網絡的極點。這從動力學角度解釋了為什么人類大腦總是反復出現那幾種經典的腦狀態。

Fig 3. 模型在 HCP 數據集上的驗證結果，表明該模型不僅能解釋約一半的神經活動變異，其參數還能敏銳捕捉到個體差異與認知狀態的波動。

Fig 4. 模型前向模擬揭示的吸引子聚集在皮層梯度的兩端，證明了吸引子的空間位置受到大腦固有宏觀功能架構的嚴格約束。

在明確了吸引子的位置后，研究者進一步考察了神經軌跡在不同注意力狀態下的幾何特征。在觀看情景喜劇時，參與者會持續報告他們的“沉浸感”（engagement）。

數據表明，當參與者高度沉浸于劇情時，其大腦內在漂移的軌跡會以較慢的速度（幅度減?。┢x吸引子（角度變大）。這意味著，在高度投入的敘事體驗中，大腦所處的吸引子地貌變得更加“平緩”或“變淺”了。神經活動不再急劇墜入某個特定的深谷，而是更多地游離在狀態空間的中心地帶。

Fig 5. 神經動力學的幾何指標（角度與幅度）與注意力狀態的相關性分析，揭示了內在漂移軌跡在觀影和任務情境下呈現出截然相反的動態模式。

有趣的是，當情境切換到需要付出努力的持續注意力任務（gradCPT）時，大腦展現出了完全不同的動力學幾何特征。

在這個枯燥的按鍵任務中，當參與者表現出高度穩定的專注力時，其神經活動會以更快的速度、更直接的路徑沖向“默認網絡（DMN）吸引子”。這表明，在努力維持注意力的狀態下，DMN 附近的局部吸引子地貌變得異?！岸盖汀保沟么竽X狀態更容易且更迅速地滑入這一深谷。這種情境依賴的差異證明，吸引子地貌本身是高度靈活的。

Fig 6. 不同注意力狀態與情境下神經幾何特征的機制示意圖，清晰對比了觀影沉浸時的“平緩地貌”與任務專注時的“陡峭地貌”。

研究意義

這項工作為我們理解“大尺度腦活動如何產生內部認知狀態”提供了一個全新的幾何學框架。

首先，它在理論上推進了我們對大腦狀態空間的認知。過去的研究往往認為腦網絡架構是相對靜態的，而這項研究證明，雖然吸引子的“絕對位置”被大腦的解剖和功能梯度鎖死，但吸引子地貌的“形狀”（陡峭或平緩）卻是高度動態的。這種地形的實時形變，正是我們能夠在不同情境下靈活調動注意力的底層機制。

其次，在方法學上，該研究提供了一種具有生物學意義的生成模型，成功從常規 fMRI 數據中剝離出內在網絡動態與外部刺激驅動的成分，為未來的系統神經科學研究提供了一套強大的分析工具。

最后，這項研究也明確了自身的邊界。雖然模型揭示了地貌的改變，但究竟是什么微觀機制（例如去甲腎上腺素或乙酰膽堿等神經調控系統的釋放）驅動了這種從“平緩”到“陡峭”的形變，仍需未來結合藥理學或多模態成像進行深入探索。這不僅沒有削弱研究的價值，反而為理解神經調控系統如何重塑宏觀腦動力學指明了方向。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿