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。由天津大学人工智能学院于强教授领衔的国际科研团队，在神经网络信息处理机制研究方面取得重要进展，其核心发现聚焦于大脑神经元间信息传递的关键结构——突触的时空信息处理模式。
人类大脑中，超过860亿个神经元通过突触形成复杂的网络系统，这些微小结构以电脉冲形式传递信息，其工作原理长期启发着人工智能技术的发展。研究团队发现，突触具备两种核心调节功能：一种是通过持续变化调整连接强度的"长期适应性"，这种特性被认为与记忆形成密切相关；另一种是在毫秒级时间内快速调节信号强度的"短期适应性"，这种动态调节能力对实时信息处理至关重要。尽管两种机制的重要性早已被认知，但它们如何协同作用影响认知功能仍是未解之谜。
通过构建新型计算模型，科研人员首次证实当长期适应性机制作用于短期适应性过程时，神经网络能够将时间维度上的连续信息转化为空间分布模式。这种转化机制显著提升了系统的记忆存储容量，使其在处理复杂时空信息时表现出更强的抗干扰能力。实验数据显示，采用该模型的人工神经网络在图像识别任务中，准确率较传统模型提升27%，且在噪声干扰环境下仍能保持稳定性能。
研究团队通过小鼠实验和人类脑皮层电生理记录验证了理论模型的生物合理性。在小鼠迷宫实验中，具备新型突触模型的人工神经网络成功模拟了动物的空间记忆形成过程；对人类受试者的脑电信号分析显示，大脑处理视觉刺激时的神经活动模式与模型预测高度吻合。这些发现为理解认知障碍疾病的神经机制提供了新视角，例如阿尔茨海默病患者突触功能的异常变化可能与这两种适应机制的失衡有关。
"这相当于破解了大脑处理信息的'协作算法'。"于强教授用通俗比喻解释研究意义，"就像交响乐团中不同声部的默契配合，长期记忆机制与实时调节机制的协同工作，构成了大脑高效处理信息的核心密码。"该成果发表于国际顶级学术期刊《美国科学院院刊》，评审专家认为这项研究"为开发新一代可解释人工智能系统提供了关键理论支撑"，其突破性在于首次从计算原理层面揭示了生物神经网络的时空信息编码机制。
