神经科学领域长期以来存在一个核心困惑：大脑神经元的活动充满随机波动，但动物却能稳定识别气味、分辨视觉差异并执行习得动作。传统理论认为，尽管单个神经元响应每次都有差异，但神经元群体的平均活动模式保持稳定，这种“表征漂移”框架主导了数十年的研究。然而最新研究指出，这种解释忽略了关键维度——大脑中存储的“关系地图”是否稳定。
研究人员将神经元对不同刺激的相对关系定义为“表征几何”，并开发出名为“Shesha”的量化工具。通过分析实验数据发现，神经元群体的平均状态稳定性与关系地图稳定性呈现反向关系：纹状体在平均活动漂移最大的情况下，关系地图稳定性最高；而海马体平均状态最稳定，关系地图却最不可靠。这种矛盾现象挑战了传统认知框架。
研究团队采用独特的双半实验设计，将每次神经记录分为奇数次和偶数次试验组，分别构建刺激间的“差异矩阵”。通过计算两组矩阵的秩相关性得出Shesha值，该指标专门衡量不同观测中刺激关系格局的一致性。实验数据显示，纹状体的Shesha均值达0.44，显著高于海马体的0.19，而时间稳定性指标却呈现完全相反的排序。
全脑扫描覆盖68个脑区的数据显示，几何稳定性与行为表现存在显著关联。纹状体等高几何稳定性脑区的神经活动强度，与动物单次试验的正确率呈现0.18的正相关（p=0.005），而传统时间稳定性指标与行为表现无显著关联。解码准确率等传统信息量指标同样无法预测行为表现，表明关系地图的可靠性才是关键因素。
嗅觉系统的特殊结构为研究提供了天然实验室。梨状皮层存在大量循环神经连接，而嗅球仅有前馈输入。实验数据显示，切断循环连接的梨状皮层几何稳定性（0.53）介于完整梨状皮层（0.60）和嗅球（0.47）之间。计算机模型进一步验证，增强循环连接强度可使Shesha值从0.27提升至0.51，证实循环连接通过“模式补全”机制稳定关系地图。
该发现与多个前沿研究形成对话。与海马体表征漂移研究相比，新框架揭示了更高阶的稳定性维度；与任务相关几何结构保留理论互补，区分了不同时间尺度的稳定性模式；与循环网络计算模型一致，证实混合对称性连接是稳定吸引子流形的关键机制。但全脑数据分析显示，循环连接强度与几何稳定性的关联受感觉输入可靠性等因素影响，需进一步研究。
研究团队坦言当前方法存在局限。Shesha作为全局指标无法定位具体不稳定刺激对，不同数据集的整合分析需要更严谨的实验设计。但数据客观呈现的三重分离现象——几何稳定性、解码准确率和时间稳定性相互独立——具有重要方法论意义。这提示理解大脑功能需要同时运用三把“尺子”：测量平均位置漂移、信息含量和关系格局稳定性，其中关系稳定性与实时行为表现的关系最为密切。
