脑状态信息存在哪里取决于动力学复杂度：工作记忆靠轨迹，关系推理靠时间平均
核心概要
同一套学习到的脑动力学模型可以同时给出时间平均连接和轨迹几何两种表示，而哪一种携带区分认知条件的信息，随脑动力学复杂度改变。在人类连接组计划年轻成人队列的八个条件上，完整模型分类准确率为97.4%；把时间平均表示置零后，仅靠轨迹的分类准确率从工作记忆的93.4%降到关系推理的0.0%，与标签置换零假设无法区分。在老化队列的四个条件上，时间平均表示承担了大部分判别信息，但高复杂度与低复杂度条件之间的对比仍然保留。
深度剖析
认知条件之间的可区分信息并不固定存放在时间平均连接里，而是随脑动力学复杂度在时间平均与轨迹几何之间迁移。 此前对时变连接多作描述性刻画，说明出现了哪些连接状态、如何变化，却没有建模支配其演化的规则，也没有确定判别信息究竟位于时间平均连接还是轨迹几何。 在人类连接组计划年轻成人队列的皮层图谱上，完整模型对八个条件达到97.4%的准确率，随机水平为12.5%；把时间平均表示置零后，仅轨迹准确率在工作记忆为93.4%，在关系推理为0.0%，后者与标签置换零假设无法区分。
一个图注意力网络把每个窗口的连接矩阵编码成隐向量，一个神经常微分方程从首个隐向量出发学习隐空间中的连续轨迹，两种表示来自同一个学习到的动力系统。 此前的深度学习模型把时间平均与动态信息纠缠在一起，难以分离；而潜动力学模型主要用于重建或预测活动，不用于判断哪一部分动力学区分认知条件。 在人类连接组计划年轻成人队列的皮层图谱上，完整模型准确率为97.4%；加入皮层下区域后为94.2%，老化队列皮层图谱为92.22%，皮层下图谱为92.29%。
皮层下区域的加入按条件改变轨迹所携带的信息，说明皮层图谱对依赖皮层下环路的条件存在可观测边界。 仅用皮层图谱时，情绪条件的轨迹信息有限；扩展图谱后其轨迹贡献明显上升，而赌博条件出现相反变化。 在年轻成人队列中，情绪条件的仅轨迹准确率从28.4%升到67.3%，赌博条件从65.0%降到38.8%；老化队列中视觉运动追踪提高12.4个百分点，面孔-名字记忆变化很小。
启示与展望
结果来自人类连接组计划年轻成人队列的八个条件与老化队列的四个条件，分别在皮层图谱和加入皮层下区域的图谱下评估，全部在按被试划分的留出测试集上报告；两个队列由分别训练的模型建模，因此老化是通过老化队列内部的比较来评估的。
遍历性间隙是遍历性破缺的模型导出代理量，而非对遍历性的正式检验，其解释取决于拟合损失把轨迹与观测嵌入耦合的强度；推理时把某一表示置零会产生训练分布之外的输入，可能影响结果，这一点通过标签置换检验和线性探针得到缓解；皮层下扩展只能识别环路层面的贡献，无法分离具体核团。