脑中感知推理与运动控制的贝叶斯力学

神经科学中的自由能原理（FEP）规定，所有可行主体在脑中诱导并最小化信息自由能，以适配其生态环境位。在本研究中，我们延续此前的努力，通过基于最小作用量原理实现自由能最小化，使 FEP 成为更具物理原理的形式体系。我们构建了一种贝叶斯力学（BM），将早期文献（Kim 2018）中的表述推广到超越被动感知的主动推理。该 BM 是 FEP 下连续时间变分贝叶斯的一种神经实现。所得 BM 表现为有效的 Hamilton 运动方程，并受脑在本体感觉层面的预测误差所产生的控制信号支配。为展示我们方法的效用，我们采用一个简单的基于主体的模型，并通过在神经相空间中积分 BM，给出脑执行识别动力学的具象数值说明。此外，我们通过将我们的方法与常见状态空间表述比较，重述了 FEP 中的主要理论架构。