大脑海马体在记忆编码和导航中生成多样化的神经序列，包括快速的前瞻性theta序列和复杂的记忆回放序列。然而，科学界一直缺乏统一的理论来解释这些动态模式的来源。北京大学心理与认知科学学院的吴思研究团队与合作者Zilong Ji, Tianhao Chu, Xingsi Dong, Changmin Yu, Daniel Bush, Neil Burgess等，通过理论驱动的计算模型和动物实验，首次提出了一个统一的底层机制。
该模型的核心在于在传统的连续吸引子网络中引入了单细胞层面的自适应负反馈机制。研究发现，发放率自适应（Firing Rate Adaptation，即神经元在持续高活动后活动强度降低的现象）是驱动所有序列动态的关键统一底层机制。通过调节自适应强度这一单一参数，模型即可模拟动物在运动状态下产生的theta序列，以及在静止/睡眠状态下涌现的静止型、扩散型和超扩散型回放序列。
基于该统一机制，团队提出了三大理论预测并用动物实验进行了验证。第一，跨动物数据证实，theta序列的长度与回放序列的扩散性呈显著正相关，表明这两种序列功能由同一适应强度参数调控。第二，回放序列的扩散性具有状态依赖性：清醒状态下由于较强的自适应强度，回放序列呈现超扩散动态（Super-diffusive）；而在睡眠状态下，扩散性显著减弱。第三，在时间尺度上，神经活动与回放步长呈反相位锁定（Anti-phase Locking）：在伽马振荡处于峰值时，神经活动增加会抑制自适应负反馈，导致回放步长减小（局部扫描）。这些结果首次在理论和实验层面建立了海马体序列多样性的统一框架。研究发表在 Nature Communications 上。