大脑的记忆余温，三招就能量化

你们有没有想过一个问题：刺激都停了，大脑凭什么还"记得"它刚发生过？
今天解读的这篇 STAR Protocols（哥伦比亚大学 Yuste 实验室，就是提出"脑假说"的那位大佬），给了三套可以照着跑的计算方法，专门测一个量——神经网络对最近刺激的记忆能撑多久。
三招分别是什么
第一招：逐 bin 解码器
把每个时间点都训一个小解码器，看刺激身份能被"猜对"多久。刺激只放 0.5 秒，解码显著的时间却能拉到刺激结束以后——这就是记忆余温的直接证据。
第二招：逐试次变异性
同一个声音反复放，每次响应却不太一样。ISI（刺激间隔）越短，响应越"飘"；间隔拉长到 4 秒，变异性就恢复。恢复曲线本身就是网络记忆的时标。
第三招：内在时间尺度 INT
最妙的一招。单神经元的时标都很短，但把"群体活动偏离基线的距离"当成一条轨迹求自相关，算出来的网络时标可以更长——说明记忆不是单个神经元硬撑，而是一群神经元在接力！‍♀️
整套流程从头到尾不用做实验：数据在 Dryad 公开下载，代码在 GitHub 开源，Conda 装好环境就能跑。最低门槛是 10 个神经元、每个刺激重复 10 次，RNN 合成数据也能玩。
适合谁收藏？
✅ 想入门计算神经科学的同学
✅ 手里有群体钙成像/电生理数据不知道怎么挖的
✅ 需要给课题加一个"记忆时标"维度的
局限性也说一句：方法给的是间接读出，钙成像本身有时间滤波，解读时要留个心眼～
原文：STAR Protocols 7(3):104804，CC BY 开放获取，DOI: 10.1016/j.xpro.2026.104804