神经心理系统的热信息学表述

复杂系统产生的高维信号缺乏类似熵、温度或自由能的宏观变量。本文引入一种热信息学表述，直接从任意数据集的微状态分布中推导熵、内能、温度和 Helmholtz 自由能。该方法提供了系统如何重组、交换信息以及在稳定与不稳定状态之间移动的数据驱动描述。应用于母婴 dyad 执行 A-not-B 任务的双 EEG 记录，该表述捕捉到在切换和错误期间信息热的增加，并指出正确选择源于更稳定、低温状态。在独立的光遗传学-dam-pup 实验中，相同变量分离了刺激条件并在热力学状态空间中描绘出连贯轨迹。跨人和小鼠系统，本热信息学表述产生紧凑且具有物理解释性的宏观变量，这些变量在种类、模态和实验范式之间具有普适性。