神经理想的 Gr"obner 基

大脑通过神经码处理有关环境的信息。神经理想是最近引入的一种代数对象，可用于更好地理解神经码的组合结构。每个神经理想都有一个特定的生成集，称为规范型，它直接编码了神经码固有的感受场结构的最小描述。另一方面，对于给定的单项序，任何多项式理想也由其关于该单项序的唯一（既约）Gr"obner 基生成。这两类生成集——规范型和 Gr"obner 基——之间有何关联？我们的主要结论是，如果一个神经理想的规范型是 Gr"obner 基，那么它就是通用 Gr"obner 基（即所有既约 Gr"obner 基的并集）。此外，我们证明这种情况——即规范型为 Gr"obner 基——恰好发生在通用 Gr"obner 基仅包含伪单项（单项的某种推广）时。我们的结果引出了两个问题：(1) 何时规范型是 Gr"obner 基？(2) 当神经理想的通用 Gr"obner 基不是规范型时，基中的非伪单项元素能告诉我们关于该码感受场的什么信息？我们对这两个问题给出了部分答案。在此过程中，我们发展了将伪单项表示为布尔格中超立方体的方法。