Tau-BNO：用于 Tau 输运模型的脑神经算子
计算工程、金融与科学
2026-03-18 v2 机器学习
摘要
机械建模提供了衡量神经炎症如阿尔弗雷戈病等 tau 蛋白病理传播的生物物理依据框架。现有方法通常将 tau 传播建模为脑结构连通图上的扩散过程，能够再现宏观模式，但忽略了微尺度的细胞输运和反应机制。网络输运模型（NTM）旨在填补这一空白，解释区域级 tau progression 如何从微尺度生物物理过程中涌现。然而，NTM 面临复杂模型由大规模偏微分方程组构成的常见挑战：由于计算负担和模型仿真速度慢，难以进行参数推断和机制发现。为克服这一障碍，我们提出 Tau-BNO，一个脑神经算子替身框架，用于快速逼近 NTM 动力学，既捕获区域内反应动力学，又捕获区域间网络输运。Tau-BNO 组合编码动力学参数的函数算子与保留初始状态信息的查询算子，同时通过保留方向性的谱核逼近各向异性输运。经验评估显示，其在多样化生物物理情景下的预测精度高达 0.98，并在 Transformer 和 Mamba 等最新序列模型上实现 89% 的性能提升，这些模型缺乏固有的结构先验。通过将仿真时间从小时级缩短至秒级，我们展示该替身模型能够产生新见解并生成新假设。该框架易于扩展至更广泛的连通图生物物理模型，展示了深度学习替身在加速大规模计算密集型动态系统分析方面的变革性价值。
引用
@article{arxiv.2603.08108,
title = {Tau-BNO: Brain Neural Operator for Tau Transport Model},
author = {Nuutti Barron and Heng Rao and Urmi Saha and Yu Gu and Zhenghao Liu and Ge Yu and Defu Yang and Ashish Raj and Minghan Chen},
journal= {arXiv preprint arXiv:2603.08108},
year = {2026}
}