近日，计算机学院教师李文静副教授作为唯一通讯作者，我校为唯一通讯单位，在非线性动力学领域国际权威期刊《Chaos, Solitons and Fractals》（中科院一区TOP，影响因子5.6）上发表了题为Decision-making processes in the Prisoner’s Dilemma Game uncover neural complexity linked to cognitive load and nonlinear neural dynamics（囚徒困境博弈决策过程揭示认知负荷相关的神经复杂性与非线性神经动力学）的学术论文。该研究聚焦社会博弈场景下人类决策的神经动力学内在机制，进一步充实了脑电复杂性、认知负荷及非线性神经机制方向的研究成果，为脑科学、认知心理学、人机交互、临床认知评估等领域提供了全新的理论依据与方法范式。
决策是人类重要的高级认知活动，其运行依赖大脑多个功能网络构成的非线性动力系统。本研究以37名健康成人为受试，采用囚徒困境博弈范式开展实验，融合脑电（EEG）技术与多变量多尺度熵（mMSE），系统剖析决策过程中脑网络的非线性复杂度特征。研究发现，背侧注意网络（DAN）与腹侧注意网络（VAN）表现出最高神经复杂度；最大斜率（MaxSlope）指标具备优异的行为识别敏感性，个体采用一报还一报（TFT）策略或做出合作决策时，该指标显著升高，对应认知负荷明显增强。研究搭建的mMSE多尺度分析框架，建立了脑电复杂度与大脑局部-全局信息处理功能的对应关系，有效弥补了传统研究重数值量化、弱认知功能解读的短板，也为解析社会互动规律、优化人机协作模式、开展临床认知功能测评等提供了有力支撑。
图1 七大脑网络脑网络在AUC、AvgEnt、MaxSlope三项复杂度指标上的差异对比。七大分析脑网络包括：默认模式网络（DMN）、额顶网络（FPN）、背侧注意网络（DAN）、体感运动网络（SMN）、腹侧注意网络（VAN）、视觉网络（VN）和边缘网络（LN）。
图2 MaxSlope能灵敏区分认知负荷高低。TFT策略与合作决策时的局部神经复杂度显著高于随机策略与背叛决策。
相关论文链接：https://doi.org/10.1016/j.chaos.2025.117632