在人工智能与神经科学的交叉领域，一项突破性成果引发学界关注。天津大学人工智能学院科研团队携手国际同行，针对大脑神经网络的核心组件——突触展开深入研究，首次阐明了其处理复杂时空信息的协同机制。相关论文近日登上国际权威学术期刊《美国科学院院刊》（PNAS），为理解人类认知机制与开发新一代人工智能技术提供了全新视角。
作为神经元间的信息枢纽，突触承载着两种关键调节功能：长时可塑性与短时可塑性。前者通过持续改变连接强度形成长期记忆，后者则通过瞬时动态调节实现快速响应。这两种机制如何相互作用、共同影响大脑的信息处理效率，此前一直是神经科学领域的未解之谜。研究团队通过构建计算模型发现，当长时调节机制作用于短时调节过程时，神经网络能够将时间维度上的信息转化为空间表达模式，这种转化显著提升了系统的记忆容量与抗干扰能力。
实验验证环节，科研人员采用小鼠与人类大脑皮层突触的电生理观测数据，证实了理论模型的生物合理性。数据显示，经过优化的突触模型在处理动态视觉刺激与复杂声音信号时，展现出超越传统神经网络的识别精度。这种时空信息转换机制不仅解释了大脑如何高效处理多模态信息，更为开发具备生物合理性的类脑计算系统奠定了理论基础。
研究团队负责人形象地将这一发现比作"破解大脑的协作密码"："就像交响乐团中不同声部的默契配合，突触的两种调节机制通过时空维度的协同，实现了信息处理效率的最大化。"这项突破不仅深化了人类对自身认知机制的理解，其构建的突触计算模型更被证实可应用于图像识别、语音处理等领域，为开发可解释性强、适应复杂场景的通用人工智能提供了新路径。目前，相关技术已进入专利申请阶段，多家科研机构正推进成果转化工作。
