研究前沿与开放问题

大脑运行在同步的临界点附近吗？ 神经质量模型与 Kuramoto 类模型显示，脑网络在接近同步转变时能产生最丰富的“亚稳态”动力学，模拟 FC 也最接近实测（Deco 等 2017；Breakspear 2017 综述）。“临界性”在多大程度上是解释性的而非拟合的结果，如何用数据检验，仍有争论。

结构连接能在多大程度上预测功能连接？ Honey 等（2009，PNAS）在结构连接组上模拟神经动力学，能部分重现静息态功能连接，但远非完全。动力学模型、间接通路和时间变化各自贡献多少，是连接组学的核心问题，也决定了“在结构网络上做虚拟手术”的可信度（见结构–功能耦合）。

癫痫发作的动力学本质。 Jirsa 等（2014，Brain）提出发作的开始与终止可用少数几种分岔类型刻画（“Epileptor”模型），这一框架后来被用于个体化脑网络建模以辅助术前评估。发作是全局过度同步还是局部网络的分岔传播，不同患者是否不同，仍需更多颅内记录验证。

用刺激“去同步”。 帕金森病的 β 振荡与病理性同步相关。Tass（2003，Biological Cybernetics）提出协调复位刺激，利用相位动力学让神经元群去同步，而非持续高频刺激；Little 等（2013，Annals of Neurology）报告了以 β 振幅为反馈信号的自适应深部脑刺激的初步临床结果。闭环、基于模型的脑刺激能否在临床上稳定优于传统 DBS，仍在研究中，这也是网络可控性与稳定性中“控制非线性网络”的现实版本。

高阶相互作用与自适应网络。 当耦合不止发生在成对节点之间（三体及更高阶相互作用），或者耦合强度本身随同步状态改变（类似突触可塑性），同步相变可以变为爆发式，并出现新的多稳态。这些机制在真实神经组织中是否起作用、怎样从数据识别，是活跃的研究方向。

从同步测量反推网络。 由多通道时间序列推断耦合结构（“网络重建”）面临共同输入、隐藏节点、容积传导和观测噪声等困难；把动力学模型与统计推断结合（如基于模型的有效连接）是一个重要方向。