认知任务由共享和特化的神经过程组织而成。掩蔽fMRI重建提供了一个通用的自监督目标，用于量化任务状态之间的迁移关系，但现有的基于重建的任务分类学主要研究从单一源任务到目标的一对一迁移。近日，一篇发表于arXiv的论文将fMRI认知任务分类学从单源迁移扩展到多源迁移，覆盖人类连接组计划（HCP）的23个任务状态，并采用布尔整数规划（BIP）分析预算约束下的任务分配。该研究由Junfeng Xia、Wendu Li、Mengjiao Zhang和Jie Guo共同完成，提交于2026年6月24日。
研究团队共训练了1,127个任务特定模型和迁移模型。单源迁移分析表明，迁移具有方向性且受范式结构影响：运动状态在运动范式内迁移良好，但对大多数非运动目标的支撑有限。这一结果与共享的感觉运动执行系统以及效应器特异性表征的假说一致。换句话说，运动任务之间的神经表征相似性较高，使得从一个运动任务学到的特征能够有效迁移到另一个运动任务，但这种优势难以跨越到认知任务。
然而，当研究转向多源迁移时，情况变得更为复杂。多源迁移的性能取决于源集的组成，这意味着许多对一的任务关系无法仅通过成对任务分类学来完全捕捉。这一发现强调了在理解认知任务组织时考虑多个源任务组合的重要性，而不仅仅是两两任务之间的迁移关系。
为了进一步分析在有限监督预算下如何最优分配任务，研究者使用了布尔整数规划。在不同监督预算下，BIP反复将直接监督分配给几个0-back和2-back工作记忆状态。值得注意的是，这些状态并非始终是最强的个体源。这种模式可能反映了工作记忆任务中感知、注意和执行过程的整合，使其成为全局分配目标下的高优先级任务。
综合来看，这些发现揭示了一个跨范式受限的运动集群，以及在特定全局分配目标下具有高优先级的工作记忆状态。该研究将基于重建的fMRI任务分类学从一对一迁移推进到多对一任务关系和预算约束下的任务依赖关系，为理解认知任务的神经组织提供了新的视角。论文属于计算机视觉与模式识别（cs.CV）以及神经元与认知（q-bio.NC）领域，全文可通过arXiv获取。