認知任務由共享和專門化的神經過程組織而成。掩碼fMRI重建提供了一種通用的自監督目標，用於量化不同任務狀態之間的遷移關係，但以往基於重建的任務圖譜大多集中於從單一源任務到目標任務的一對一遷移。在這項工作中，研究人員將fMRI認知任務圖譜從單源遷移擴充套件至多源遷移，涵蓋人類連線組計劃（HCP）中的23個任務狀態，並引入布林整數規劃（BIP）來解析預算約束下的最優任務分配。研究團隊總共訓練了1,127個任務特定模型和遷移模型，系統評估了單源與多源場景下的遷移效能。
單源遷移表現出明顯的方向性和正規化結構：運動狀態在其所屬的運動正規化內部遷移效果良好，但對於大多數非運動目標的支援極為有限。這一現象與共享的感覺運動執行系統及效應器特異性表徵的理論預測一致。相比之下，多源遷移的效能高度依賴於源集的組成方式，暗示多對一的任務關係無法僅透過成對任務圖譜得到完全捕捉。
在預算約束分析中，BIP演算法在不同監督預算下反覆將直接監督分配給幾個特定的工作記憶狀態——尤其是0-back和2-back條件，儘管這些狀態並非始終是各自最強的單一遷移源。這種分配模式可能反映了工作記憶任務中感知、注意與執行過程的深層整合機制。綜合這些發現，研究揭示了一個受跨正規化限制的運動簇，以及在工作記憶狀態在全域性分配目標下的高優先順序特徵。該工作將基於重建的fMRI任務圖譜從一對一遷移擴充套件至多對一任務關係和預算約束下的任務依賴，為理解大腦中任務狀態的共享與特化提供了更全面的視角。