近日，国际人工智能与计算神经科学的顶级会议The Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)，正式接收了rabey雷竞技武汉光电国家研究中心生物医学光子学研究部的研究论文《Localist Topographic Expert Routing: A Barrel Cortex-Inspired Modular Network for Sensorimotor Processing》[1]。该研究借鉴啮齿类动物“胡须-桶状皮层”的感觉拓扑映射，构建了具有生物合理性的类脑网络模型。该模型不仅在两项真实触觉任务中实现了当前最优（SOTA）性能，更为提升现实世界中专家系统的综合效能提供了极具价值的潜在解决方案。
生物感觉运动系统通过空间有序且功能专门化的模块处理信息。啮齿类动物的桶状皮层是典型例子：每根胡须均投射至特定的皮层功能桶，从而形成精确的感知拓扑映射。这一解剖结构与大语言模型中备受关注的“混合专家”（MoE）架构形成了鲜明对比。虽然MoE通过门控机制将Token动态分配给不同子网络（即“专家”）以提升计算效率与扩展性，但现有的MoE主要聚焦于任务分配，并未强制专家间的紧密协作。相反，桶状皮层采用局部路由机制，限制每个专家（功能桶）仅与空间相邻的模块进行交互。这种差异引发了一个关键问题：“能否借鉴大脑中的局部路由约束，构建一种类MoE模型？”
图1 研究团队仿照桶装皮层构建的多桶模型图
针对这一问题，研究团队以桶状皮层为蓝本，设计了一种受大脑启发的模块化架构。它们将桶状皮层视作一个“受生物约束的专家系统”，其中每个模块（或称“专家”）对应一个垂直跨越L2/3到L6层的皮层柱，包含8种关键神经元亚型和37条神经环路。在该模型中，感觉信号只会被传输到对应的功能桶，而桶与桶之间水平方向的通信则通过稀疏门控机制，仅限于相邻的模块。基于这种严格的局部路由机制，该模型成功复现了在小鼠光遗传学实验中观察到的、神经活动向水平方向扩散的现象。
尽管受到解剖结构的严格限制，该模型在公开的三维触觉物体分类基准测试中仍取得了最先进（SOTA）的性能。功能桶间的参数共享机制提供了一种天然的正则化效应，在将参数量显著减少97%的同时，有效提升了训练的稳定性。值得注意的是，局部路由机制抑制了桶间神经活动的相关性，这不仅与桶状皮层中用于强化感知差异的“侧向抑制”机制相呼应，也揭示了MoE架构通过协作约束来减少专家冗余的潜力。这些结果展示了如何将局部路由和拓扑组织等皮层原则转化为机器学习架构，标志着向连接神经科学与人工智能的下一代专家系统迈出了重要一步。
图2 共享与独立桶参数在两个真实触觉任务上的表现
本研究获科技创新2030—“脑科学与类脑研究”重大项目和国家自然科学基金的资助。rabey雷竞技武汉光电国家研究中心生物医学光子学研究部博士生朱天放为第一作者，rabey雷竞技李安安教授和清华大学杜凯助理教授共同担任通讯作者。该工作以团队前期研究成果为基础 —— 此前提出的生物约束桶状皮层模型相关论文《Biologically Constrained Barrel Cortex Model Integrates Whisker Inputs and Replicates Key Brain Network Dynamics》[2] 已发表于ICLR2025，并被遴选为Spotlight（亮点报告）做重点推荐。
文章链接：
[1] https://openreview.net/forum?id=1Y8MXuJlIY
[2] https://openreview.net/forum?id=UvfI4grcM7
