以稳定性控制为中心的多稳态状态：认知处理中灵活时间调制的统一机制

灵活调制神经序列的时间动态 underpin 了许多认知过程。例如，我们可以灵活地改变运动序列和语言的速度。尽管这种灵活性受到注意力、情境等多种因素的影响，但负责这种调制的共同神经机制仍不明确。我们构建了一个具有生物学可信度的神经网络模型，包含多时间尺度的神经元和赫布学习规则。该模型能够生成简单的序列模式，同时执行延迟匹配-样本（Delayed Match-to-Sample, DMS）任务，这需要保持刺激身份。快速神经动力学建立稳态状态，而慢速神经动力学维持任务相关信息，并调制这些状态的稳定性，以实现时间处理。我们系统性地分析了诸如神经增益、外部输入强度（情境线索）和任务难度等因素如何影响神经活动序列的时间特性——具体而言是模式内驻留时间和 successive patterns 之间的转换时间。我们发现，这些因素灵活地调制了稳态状态的稳定性。我们的发现为理解各种形式的时间调制提供了统一机制，并提示神经时间尺度多样性在动态适应变化环境需求方面具有新的计算角色。