《Cognitive Neurodynamics》：A brain-constrained neural model of cognition and language with NEST: transitioning from the Felix framework
编辑推荐：
本研究针对脑约束神经模型在可重复性、可扩展性和可及性方面的挑战，将基于Felix框架的认知与语言计算模型成功迁移至NEST平台。研究人员通过构建包含12个皮层区域的脉冲神经网络，验证了新平台在细胞组装形成和语义学习方面的等效性。结果表明，NEST模型不仅重现了动作词与物体词在运动/视觉系统的拓扑分布特征，还将仿真速度提升近6倍，为大规模脑模拟研究提供了重要技术支撑。
在人脑科学研究领域，如何构建既符合生物约束又能模拟高级认知功能的计算模型，一直是神经科学家面临的重大挑战。过去几十年间，脑约束计算模型已成为解析语言、记忆和感知等复杂认知过程神经机制的重要工具。然而，这一领域的快速发展也暴露出严峻问题：许多现有模型由于代码不可获取或文档不完整，导致可重复性和可扩展性受限。特别是基于Felix模拟框架的"脑约束感知动作认知语言模型"（BPAM-o-CAL），虽然能成功模拟词汇工作记忆、概念形成等高级认知功能，但其仅支持32位Linux系统的限制，严重阻碍了更广泛的研究应用。
为突破这些瓶颈，研究团队在《Cognitive Neurodynamics》上发表了创新性研究成果，将BPAM-o-CAL模型从Felix平台迁移至新一代神经模拟工具NEST（NEural Simulation Tool）。这项研究不仅实现了模拟环境的技术升级，更通过系统验证确保了模型功能的延续性。
研究团队采用模块化建模策略，在NEST平台上重构了包含12个皮层区域的神经网络架构。模型在细胞层面包含脉冲兴奋性神经元和局部抑制性神经元，在网络层面复现了额叶、颞叶和枕叶皮层的功能组织。关键技术创新包括：1）基于Python-NEST接口的模型重构技术；2）保持生物合理性的Hebbian可塑性规则（包含长时程增强LTP和长时程抑制LTD）；3）跨平台验证方法学，通过单神经元动力学和网络级分析进行系统比对。
研究结果部分，单神经元动力学分析显示，NEST与Felix在膜电位动态、适应性和放电行为上高度一致（图3）。细胞组装（CA）形成实验证实，两个平台均呈现出相似的语义特异性分布模式：动作词相关细胞组装主要分布在运动系统（M1L、PML、PFL），而物体词相关组装在视觉系统（V1、TO、AT）更显著（图4）。值得注意的是，NEST模型产生的细胞组装规模更大（约为Felix的2倍），但拓扑分布模式保持稳定。学习动态分析表明，经过1000次学习试验后，细胞组装在不同皮层区域均达到稳定状态（图5）。时空激活模式研究进一步揭示，在听觉刺激后，激活从初级听觉皮层（A1）逐步传播至边缘区和额外区，虽然NEST因突触延迟导致激活峰值更高、传播更慢，但整体模式与Felix相似（图6）。
讨论部分强调，尽管存在定量差异，但NEST实现成功保留了模型的核心功能特性。通过引入系统内与跨系统连接的差异化处理，有效控制了过度兴奋问题。特别重要的是，迁移至NEST使仿真运行时间减少近六倍，为未来扩展更多皮层区域（如右半球）奠定了计算基础。这项研究的成功实施，为大规模脑约束建模提供了可重复、可扩展的开源框架，将显著推动语言认知神经机制的研究进程。
