依旧清理存货中，本期是时间空间表征特别刊
本期关键词：
事件表征可塑性、表征几何动力学、事件构建动态、时间的空间补偿、时间结构学习、时间预期抑制控制、事件内时间扭曲、局部信用分配
1. 重复观看电影片会段改变大脑中的事件时间尺度
Al-Zahli, N., Aly, M., & Baldassano, C. (2026). Repeated Viewing of a Film Clip Changes Event Timescales in the Brain. Journal of Neuroscience, 46 (17). https://doi.org/10.1523/JNEUROSCI.1657-25.2026
许多日常体验都具有一种反复出现的结构：日常惯例、熟悉的路线、反复观看的电影，以及循环播放的歌曲。与这些结构不断重复的接触，会如何改变大脑对事件的表征？我们提出假设：随着对同一电影片段的重复观看，大脑中的事件表征可能会发生适应，++要么变得更精细（包含更多细节），要么变得更粗略（更加概括化）++。
为了检验这一假设，我们分析了 30 名人类参与者（12 名男性、18 名女性）的数据。这些参与者在接受功能性磁共振成像（fMRI）扫描时，观看了电影《The Grand Budapest Hotel》中的三个 90 秒片段，每个片段重复观看六次。我们使用隐马尔可夫模型（hidden Markov models）和模式相似性分析（pattern similarity analysis），并将其应用于全脑的 searchlight 分析，以量化每次片段呈现时、不同时间尺度上的事件结构强度。随后，我们检验了在重复观看过程中，慢时间尺度与快时间尺度上的事件结构强度如何发生变化。
结果显示，大多数脑区在慢、快两种时间尺度上的事件结构强度都保持稳定。然而，另一些脑区则表现出灵活的事件表征：随着片段的重复呈现，其表征会变得更加细化，或更加粗粒化。值得注意的是，若干脑区在不同电影片段中，都表现出++慢时间尺度事件结构强度的一致性变化++ 。此外，在++外侧枕叶皮层（lateral occipital cortex）和中颞回（middle temporal gyrus）中，慢时间尺度的结构与随后对影片片段的记忆表现存在相关性++ 。这些结果表明，大脑中的事件动态并非固定不变，而是能够随着经验的积累而灵活变化。
2. 神经编码的时间演化：线性系数几何方法的附加价值
Desbordes, T., Olasagasti, I., Piron, N., Schwartz, S., & Kazanina, N. (2026). Temporal evolution of neural codes: The added value of a geometric approach to linear coefficients. NeuroImage , 327 , 121737. https://doi.org/10.1016/j.neuroimage.2026.121737
多变量解码分析（multivariate decoding analyses）已经成为认知神经科学中的一种核心方法。当这一方法被应用于具有时间分辨率的脑成像信号时，它能够帮助研究者理解大脑中信息加工的时间动态过程。尤其是，时间泛化（temporal generalization，TG）方法------即在某一时间点训练一个解码器，并在其他时间点上测试其表现------通常被用来评估神经表征随时间变化的稳定性。
然而，TG 的结果可能具有歧义性：不同的表征动态过程------例如稀疏活动与分布式活动、活动强度的缩放与新神经单元的招募------都可能产生相似的 TG 矩阵。此外，即便泛化能力很强，底层神经表征本身仍可能在持续演化，而仅凭 TG 方法无法揭示这一点。这种表现模式上的歧义，可能掩盖神经表征几何结构中具有意义的变化。
在本研究中，我们利用受控模拟展示了：不同的动态过程如何能够产生无法区分的 TG 模式。 为了解决这些歧义，我们提出了一种基于已学习线性系数几何结构的互补方法。具体而言，我们量化了决策子空间之间的旋转角 θ（Rotation Angle θ，利用余弦相似度计算），以及特征密度 α（Feature Density α，用于衡量特征贡献是分布式还是稀疏式的）。
这些指标与 TG 分析结合后，可以揭示++神经表征如何在空间与时间中演化++。除了时间分辨解码之外，我们的方法还能够广泛应用于任何线性模型，为研究表征动态提供一种几何学视角。
3. 有声思维过程中事件构建的时间展开：腹内侧前额叶皮层的作用
Cantarella, G., Pisani, A., Stendardi, D., Cetraro, M., Pasquini, E., & Ciaramelli, E. (2026). The Temporal Unfolding of Event Construction while Thinking Aloud: Role of Ventromedial Prefrontal Cortex. Journal of Cognitive Neuroscience , 38 (5), 983--999. https://doi.org/10.1162/JOCN.a.2422
心理时间旅行（Mental Time Travel，MTT） 是指个体在心理上向过去回溯或向未来投射的能力 。这种能力依赖于在层级化组织的心理表征 之间进行导航，这些表征涵盖了从较高层级的（语义性）知识结构到较低层级的（情景性）知识结构。一般认为，腹内侧前额叶皮层（ventromedial prefrontal cortex，vMPFC）在心理时间旅行过程中负责启动与个人相关的语义信息的激活。然而，vMPFC在心理时间旅行时间动态过程中的具体作用仍不明确。
在本研究中，研究者招募了局灶性 vMPFC 损伤患者、其他脑损伤患者（作为脑损伤对照组）以及健康参与者。所有参与者首先完成了一项个人语义访谈，随后完成一项心理时间旅行任务。在该任务中，他们需要回忆过去的事件或想象未来的事件，并采用「有声思维」的方式，即在构建事件的过程中，将脑海中浮现的所有信息实时说出来。
结果发现，与两组对照者相比，vMPFC 损伤患者在个人语义访谈中表现出较差的个人语义信息水平。在心理时间旅行任务中，他们产生了更多重复性事件，而生成的具体事件则更少 。此外，vMPFC 损伤患者表现出一种异常的"逆向"转换模式：他们更倾向于从较低层级的知识结构（如扩展事件和重复事件）转向较高层级的知识结构（如个人语义信息），而非像健康个体那样逐步从语义知识进入具体情景记忆。这表明，++vMPFC 损伤导致了事件提取和构建过程中的动态机制发生改变。++
这些发现进一步证实，vMPFC 损伤不仅会削弱个人语义记忆，还会改变事件构建过程中的信息提取动态，从而阻碍个体获取和构建具体的过去或未来事件。
4. 空间如何成为时间加工中的一种后期启发机制
Doricchi, F., Scozia, G., Pinto, M., Lozito, S., Lo Presti, S., Pazzaglia, M., Silvetti, M., & Lasaponara, S. (2026). EEG reveals how space acts as a late heuristic of time. NeuroImage , 326 , 121710. https://doi.org/10.1016/j.neuroimage.2026.121710
为了弥补时间在感官上的不可触及性，人类常常依赖空间隐喻、手势以及视觉工具来表征时间的流逝。 这些空间化工具，也即启发式策略，既包括日常实践------例如用手势方向表示过去或未来事件------也包括更为抽象的科学概念化方式，例如相对论中的"时空弯曲"。然而，尽管时间被广泛地空间化，人们仍不清楚：空间在大脑对时间的表征中究竟在多大程度上是其内在组成部分，以及它在监测时间持续长度中的作用为何。
在本研究中，我们结合脑电图（EEG）与行为实验，对这一问题进行了考察。研究招募了30名健康青年志愿者（平均年龄 23.3 岁），要求他们区分短时间间隔（1秒）与长时间间隔（3秒）。在"兼容条件"下，"短"判断对应左侧按键反应，"长"判断对应右侧按键反应；而在"不兼容条件"下，时间长度与左右侧运动反应之间的对应关系被反转。
结果发现，兼容条件相较于不兼容条件下更快的反应时（RT）------也即时间具有空间表征的一个典型特征------仅出现在较慢的反应时中。这表明，++空间并非时间表征的基础机制，而是一种较晚出现的补偿性机制：当更快速、非空间化的计时机制无法得到最佳调动时，大脑才会招募空间机制来辅助时间加工。++
EEG分析进一步揭示出一种级联式过程**：在非空间化时间编码不足之后，大脑才会动员空间机制参与计时；这一过程导致对时间长度的判断被延迟，并使反应选择变得更慢** 。元强化学习（meta-reinforcement learning）的计算模型则表明**，反应时速度的逐次波动，以及相应出现的时间空间化现象，可能源于多巴胺/去甲肾上腺素（DA/NE）系统活动的随机变化，以及该系统与前扣带皮层之间的相互作用。**
这些发现首次清晰地揭示了：大脑会在何时、为何以及如何招募空间机制来服务于时间加工；同时也表明，非空间化与空间化的计时系统，无论在行为层面还是电生理层面，都可以彼此分离。
（STEARC（Spatial-TEmporal Association of Response Codes）任务实验流程）
5. 人类时间结构学习的规范性解释
Razmi, N., Dai, X. C., Bakst, L., & Nassar, M. R. (2026). A normative account of human temporal structure learning (p. 2026.01.10.698785). bioRxiv. https://doi.org/10.64898/2026.01.10.698785
面对令人意外的观察结果时，人们会迅速重新校准自己对世界的预期。然而，这种校准理应依赖于环境中的时间结构；但人们究竟应当如何学习、以及实际上如何学习这些时间结构，目前仍不清楚。
为填补这一空白，我们开发了一个贝叶斯模型，该模型能够直接从观察结果中推断环境的时间结构，并能在性质截然不同的环境中做出准确预测。随后，我们通过一项在线行为实验检验了模型的预测。在实验中，参与者需要预测依据不同时间结构生成的结果。研究表明，++人们能够以一种与我们的结构学习模型在质性上相似的方式，逐渐学会利用这些时间结构。++
此外，我们还发现，规范性的结构学习 （normative structure learning）能够解释此前在人类学习中观察到的一些令人困惑的不对称现象，即++时间结构的序列效应++（sequential effects）。
总体而言，我们的模型与实证数据首次系统性地解释了：人类如何利用时间结构来理解出乎意料的观察结果，并以此服务于学习过程。
（上半部分（A--E） ：实验任务与四种时间结构；下半部分（F--J）：用于解释这些结构的生成模型）
6. 时间预期如何影响无意识抑制加工------来自层级漂移扩散模型的计算证
The Impact of Temporal Expectation on Unconscious Inhibitory Processing: A Computational Analysis Using Hierarchical Drift Diffusion Modeling. (n.d.). Multivariate Behavioral Research . Retrieved May 31, 2026, from https://www.tandfonline.com/doi/abs/10.1080/00273171.2025.2561944
大量研究表明，当认知系统遇到干扰性刺激时，即使这些刺激未被意识觉察到，仅仅是一个可疑的刺激线索，也能够自动触发运动抑制（例如，负相容性效应，negative compatibility effect）。本研究考察了时间预期（temporal expectation）------一种针对未来事件的自上而下主动准备机制------对无意识抑制加工的影响，并分别在局部预期情境（基于逐试次的预期，实验1）和全局预期情境（基于区块的预期，实验2）中进行了检验。
采用漂移扩散模型 （drift-diffusion model）对行为数据进行建模后发现，无论是在局部还是全局预期情境下，时间预期都能够加快证据积累过程，并提高反应谨慎性。更重要的是，当目标刺激与阈下启动刺激（subliminal prime）所诱发的可疑反应倾向一致时，时间预期带来的证据积累加速效应较弱；而当目标刺激与这种反应倾向不一致时，加速效应则更强。这种差异与行为反应时（RT）中的相容性效应显著相关。
研究结果为这样一种理论框架提供了证据：时间预期能够增强对无意识加工过程的抑制控制。其可能的机制在于，++时间预期既增强了阈下刺激所激活的反应表征，也增强了认知监控的强度++，从而使认知系统能够更有力地抑制这些可疑的激活状态，防止其突破控制并干扰后续的信息加工过程。
7. 事件展开过程中的结构会扭曲主观时间知觉
Wen, C., Yousif, S. R., & Sherman, B. E. (2026). Unfolding event structure distorts subjective time. Cognition , 267 , 106354. Redirecting
我们对时间的体验常常会以令人惊讶的方式发生扭曲。尽管已有研究表明，事件之间的边界会影响时间知觉和时间记忆，但对于事件内部结构是否以及如何影响我们在事件进行过程中的时间体验，人们仍知之甚少。
在本研究中，我们探讨了事件的内部结构（即开始、中间和结束阶段）是否会系统性地影响人们对持续时间的表征。在四项实验中，参与者聆听由音调组成的序列，并对其持续时间进行复现或判断。研究结果一致发现，++主观时间存在稳健且系统性的偏差：++ **事件的开端阶段会被主观压缩，结束阶段则会被主观延长，而主观感受到的时间长度会随着序列的推进而逐渐增加。**换言之，同样长度的时间，在事件开始时显得较短，在事件结束时则显得较长。
这些结果揭示了一种时间体验的扭曲现象。这种扭曲并非源于事件之间的转换或边界，而是源于我们如何在事件内部对时间进行划分、组织和理解。
8. 跨空间、跨时间与脑网络的反向传播机制
Ellenberger, B., Haider, P., Jordan, J., Max, K., Jaras, I., Kriener, L., Benitez, F., & Petrovici, M. A. (2025). Backpropagation through space, time, and the brain. Nature Communications , 17 (1), 66. https://doi.org/10.1038/s41467-025-66666-z
物理性的神经元网络受到时空局部性约束（spatio-temporal locality constraints）的限制，但它们究竟如何实现高效的信用分配 （credit assignment，即确定哪些神经元和连接应对最终结果负责），在很大程度上仍然是一个尚未解决的问题。在机器学习领域，这一问题几乎普遍通过误差反向传播算法（error backpropagation）来解决，包括跨空间和跨时间的反向传播。然而，人们早已认识到，**该算法依赖于一些在生物学上并不合理的假设，尤其是在时空非局部性方面。**另一类基于前向传播的模型，如实时递归学习（real-time recurrent learning, RTRL），虽然在一定程度上缓解了局部性问题，但代价是极高的存储需求，从而导致可扩展性受限。
为此，我们提出了 广义潜在平衡（Generalized Latent Equilibrium，GLE）这一计算框架，用于在物理的、动态演化的神经元网络中实现完全局部化的时空信用分配。
我们首先定义了一种基于神经元局部失配（local mismatch）的能量函数 ，并由此推导出两类动力学过程：通过平稳性条件得到神经元动力学，通过梯度下降得到参数动力学。由此产生的动力学可以被理解为一种实时运行、符合生物学合理性的近似方法，它能够在具有连续时间神经元动力学和持续局部突触可塑性的深层皮层网络中，实现跨空间与跨时间反向传播的近似计算。
具体而言，GLE 利用了树突树（dendritic trees）的形态结构，使单个神经元能够进行更加复杂的信息存储与处理。同时，它还利用了生物神经元能够相对于膜电位（membrane potential）对其输出放电率（firing rate）进行相位偏移（phase shift）的特性，而这一特性对于信息在前向和后向两个方向上的传播都至关重要。
在++前向计算过程++ 中，这种机制能够将连续时间输入映射到神经元空间中，从而有效实现一种时空卷积（spatio-temporal convolution）。在++后向计算过程++中，它则允许反馈信号在时间维度上进行反转（temporal inversion），从而近似生成参数更新所需的伴随变量（adjoint variables），进而实现有效的学习与参数调整。