2026-09-03
博弈论让脑区自私抢连接，生成网比人脑更省线、通信更好。接到reservoir上，人脑记忆更稳，靠分布式富俱乐部，不靠局部寡头。
皮层布线常被讲成短连接省代谢、长捷径保通信的最优折中。Cajal以来这条成本-效率叙事主导了网络神经科学。问题是：什么叫通信效率，取决于你假设信息怎么走。最短路路由要求每个脑区知道全局拓扑，越来越站不住；更常见的说法是广播式传播或随机游走扩散。
如果换一套通信假设，让脑区只优化自己的局部代价，人脑还是最优吗？通信变好，计算就一定变好吗？剑桥MRC-CBU、汉堡计算神经所等人把博弈论生成模型接到reservoir computing上，回答这两问。文章现刊于Science Advances。
100个HCP无关被试，Schaefer-100皮层分区，连接密度20%，无向二值网络。生成模型从环图出发，每步随机抽10个节点，让它们比较维持现状和在这个小团体里重连的收益，各选对自己更好的，不管别人。收益是欧氏距离布线成本，加上三种通信容量之一：路由看最短路，传播沿所有路径广播且长路径贡献衰减，扩散用随机游走有效距离。折中参数α调到和经验网络同样密度。每条件100个合成网络。零模型包括保度随机化、格子化、长程重连和Erdős-Rényi。统计默认p<0.01。
计算评测把连接矩阵当回声状态网络的reservoir，只训读出层，任务是记忆容量：输入随机序列，回忆不同滞后。损伤实验按度从高到低摘掉前20个枢纽。
三种通信约束的生成网络，节点连接模式与人脑的endpoint similarity在0.5到0.6，零模型大约0.2；链路预测准确率约80%对65%，F1约0.5到0.6对0.2。扩散网络拓扑最像脑，聚类系数都在0.5到0.6，但几乎没有长程边，平均最短路比脑更差。路由网络更像随机图。传播网络更省线、路径更短，小世界和结构复杂度与脑接近。
记忆容量排名和平均路径长度对不上。人脑最高，其次是传播网络和长程重连零模型；扩散网络差于多种零模型。完全随机图也差于保度随机化的脑网络，异质度分布本身在帮忙。
把记忆容量对全局传播效率作图，人脑落在Pareto前沿偏高表现、低通信效率的稳定区。传播和路由网络坐在不稳定拐点附近，再提高传播效率，记忆容量会掉。损伤前20个高度节点时，人脑功能还能撑；传播网络摘掉寡头枢纽后记忆和通信一起塌，寡头摘完反而重新稳住。读出权重与节点传播强度在人脑上Spearman rho=0.42，传播网络上rho=0.14且p=0.15，读出几乎全压在寡头上。
代价-收益分析显示寡头主要是周边节点低成本接入全身的产物，空间上挤在后扣带、楔前叶一带。该图与感觉运动-联合轴、单模态-跨模态梯度等显著相关。
给网络神经科学的成本-效率故事加了第三轴：计算可靠性。对做脑启发reservoir的人，含义很具体：更短的平均路径、更省的布线，不等于更高或更稳的记忆容量。把计算压在一小撮空间上相邻的枢纽上，看起来高效，损伤和实例方差会惩罚你。
这是规范性模型，解释为什么这样组织，不声称生物发育就是这么长出来的。对AI的直接迁移是结构课，不是新算法。
作者写了：网络是二值对称的，加权和有向要改成连续博弈；经验人脑连接组本身也是对称的。计算只测了记忆容量，工作记忆、整合、导航会不会还是这条倒U形，没有直接证据。模型只拟合连接数，不拟合拓扑，这是优点也限制了它复现人脑的程度。预印本与正式刊出摘要一致，正文给了相关和p值，记忆容量没有写出绝对MC数字。解读依据bioRxiv全文，Science Advances正式版图表数字若有修订，以期刊为准。