在生物腦中，許多維持生存與導航的關鍵功能都仰賴對「連續變數」的精準編碼與記憶。例如動物在空間中移動時的頭方向感知、海馬體對空間位置的定位（如位置細胞與網格細胞）、眼球凝視角度的維持，以及感官訊息的累積與決策等，都是連續變化的類比訊號。然而，生物神經系統的基本構件——神經元與脈衝訊號——在物理本質上卻是離散的。一群由離散單元組成的神經網路，究竟是如何在內部表現出平滑、無縫且連續的動態記憶？這一直是大腦神經計算領域的核心謎題。 為了解答這個問題，Marcella Noorman 等人於 2024 年發表的論文《Maintaining and updating accurate internal representations of continuous variables with a handful of neurons》提出了果蠅中央複合體頭方向電路的精質解方。研究指出，即使只有極少數計算單元（如果蠅 EB 結構中的 EPG 神經元），透過將不同活躍神經元子集所維持的「線吸引子」無縫銜接，網路依然能在理論上營造出平坦的能量地貌，構建出環形吸引子來實現連續的頭方向編碼。然而，這個優雅解方高度依賴於神經突觸權重（例如局部興奮強度）的極度精細調製。在真實生物系統中，突觸權重永遠存在隨機擾動與雜訊；一旦權重偏離了完美設定，原本平坦的能量地貌就會出現起伏，導致連續流形發生分歧，坍塌成一組離散固定點，使網路失去了完美的連續表現能力。 發表於 NeurIPS 2024 的論文《Back to the Continuous Attractor》Back to the Continuous Attractor 正是關注到了連續吸引子這種極度脆弱的本質。作者群測試了多種經典的連續吸引子模型——包括受限線吸引子（Bounded Line Attractor）、Noorman 等人的分段線性模型、高斯 Bump 吸引子、低秩神經網路以及 EMPJ 矩陣模型等。他們透過在動態系統中加入微小參數擾動或有限網路規模效應進行測試，證實了無限微小的擾動確實會破壞理想的連續平衡點，使系統坍塌成由穩定固定點與鞍點交替組成的離散結構。但研究者進一步觀察發現：即便嚴格意義上的連續吸引子流形消失了，它依然會以「幽靈吸引子」（Ghost Attractor，或稱慢流形）的形式存續。傳統連續吸引子的流形上每一點都...
