该预印本于2026年7月14日上传至bioRxiv,来自University of California, Riverside的研究者指出,尽管神经活动在多个时间与空间尺度上组织,但决定不同尺度信息表征的原则仍不清楚:此前的经验结果报告了神经解码中的中尺度最优现象,却缺乏能解释这些中间尺度为何、何时最优的理论解释。研究者据此建立了一个分析框架,用以确定神经信息表征的最优时间尺度及其对信号与噪声动态的依赖关系。
研究者构建了一个多尺度模型,在微观、粗中观、细中观与宏观分辨率上以时间编码的试次向量表示神经群体活动,并用敏感性指数(d-prime)量化表征质量。研究者推导出各时间尺度下敏感性指数的闭式表达式,发现当信号与噪声自相关均随时间衰减时,适度的时间整合能在抑制噪声的同时保留连贯信号,而过度整合则会损害信号与可解码性;因此只有在这一情形下,中尺度表征才会在较宽泛的生物合理参数范围内成为最优。研究者称,该框架为分箱、平滑等预处理操作何时提升或损害解码效果提供了可检验的预测。