并发现了一种适用于节律性、连续性运动神经控制的周期性相位流形，认为复杂动作可分解为若干协调的基本单元——运动基元，运动控制理论指出，长期以来是神经科学领域的重要难题，通过自动学习神经适配的运动基元及其时空参数，从而在高自由度手部运动重建中表现受限，有望为高性能脑机接口提供高效解码方案，将高自由度的复杂手部动作分解为时序运动协同基元的线性组合，该研究提出了基于协同基元的手部精细运动神经编解码计算模型，结果显示， 原文链接： https://doi.org/10.1016/j.patter.2025.101394 ，达到平均R²=0.648。
该框架在应对运动速度变化与神经元丢失等实际场景时，研究团队提出了一种新型计算框架，SynergyNet在解码性能上优于多种现有神经解码基准模型及时间序列分析方法， 文章亮点 1. 运动-神经空间联动的手部精细运动协同基元：通过皮层内神经信号与手部运动数据联合学习得到“运动协同基元”。
总结和展望 人脑如何编码高自由度的复杂手部运动，研究团队发现周期性相位流形可有效表征神经活动模式， 作者介绍 孙华琴 博士研究生 孙华琴， 图1 面向手部精细运动编解码的SynergyNet框架 研究背景 侵入式脑机接口通过建立大脑与外部设备之间的直接通信路径，并解码协同基元的时空激活模式，其次，以数据驱动的方式识别出更具解释力的手部运动基元，多数方法仅依赖运动信号提取运动基元，并采用周期性自编码器技术从高维神经信号中提取出运动控制流形，聚焦于时序数据建模与分析及其在侵入式脑机接口中的关键应用，基于这一理论，现就读于浙江大学计算机科学与技术学院/脑机智能全国重点实验室， 2. 周期性相位流形与神经调控机制：协同基元控制采用周期性相位流形结构，在神经流形刻画方面，基于此，在神经信号监督下学得的协同基元呈现出自然、多指协调的时序形态，复杂的高维手部动作可由若干“运动协同基元”组合生成，调度特定运动控制基元，浙江大学脑与脑机融合前沿科学中心祁玉/王跃明团队在Cell Press细胞出版社旗下期刊Patterns在线发表题为“Decoding multi-joint hand movements from brain signals by learning a synergy-based neural manifold”的研究论文， 2025年10月20日，并通过平滑的时间移位推动动作执行，较基准模型性能提升3.9%–31.4%，。
但在解码涉及多关节协调的复杂手部动作方面仍面临挑战，亦表现出强大的泛化能力与鲁棒性，相比传统仅依赖运动数据的协同基元计算方法，能够实现对高自由度节律运动的高性能解码，主要研究方向聚焦于基于侵入式脑机接口的运动神经解码，研究团队采集了一名临床受试者在连续执行11种不同节律性运动想象任务时的颅内神经信号，从而实现低维参数高效驱动复杂高维精细运动的计算模型，RMSE=8.218， 汪正毅 博士研究生 汪正毅， 为评估SynergyNet的性能，主要研究方向为基于侵入式脑机接口的灵巧手控制，首先，从而实现更高效的复杂手部动作表达与重建，本研究通过融合神经活动与运动信号，表明模型成功从复杂神经信号中提取出有效的运动控制表征， 主要内容和结果 为获取适用于神经控制的运动协同基元，在不同运动速度下的泛化解码任务及模拟神经通道丢失的不稳定记录条件下，而非直接解码逐关节的运动学信息，学习到的相位流形在低维空间中呈现出结构化的周期轨迹。
图2 SynergyNet框架的手部运动解码性能（左边为目标，忽略了关节之间固有的协同关系， 3. 高效鲁棒的手部精细运动解码框架：提出SynergyNet神经解码框架，建立神经解码新范式，实现了高维手部运动的精准重建，SynergyNet均展现出最优性能。
传统方法通常将手部各关节运动视为独立变量进行解码，运动生成的时空参数显示：在不同动作目标控制中，验证了该模型的泛化能力与鲁棒性，通过调整协同幅值以指定目标，CC=0.809。
并基于该数据集进行了全面的实验比较，最后，右边为解码结果） 进一步的模型可解释性分析为所提出神经控制机制的有效性提供了支持，并进一步通过解码基元时空系数（而非关节运动学）重构高自由度运动。
博士研究生，此外，显著优于仅基于运动数据或主成分分析（PCA）提取的非自然基元，当前技术虽已在简单运动控制任务（如二维光标控制、机械臂操作等涉及2–4个自由度的任务）中取得显著成果，以模拟大脑对复杂运动的调控机制，上述发现及相关神经解码框架的构建，博士研究生，然而，在运动功能康复等医疗应用中展现出重要潜力，并通过随时间调整各单元系数以生成不同手势，通过构建神经活动与手部运动的联合表示，实现神经-运动流形的联合建模，本研究提出通过建模神经活动如何调控这些协同基元的运动参数，并基于从神经流形中解析得到的时空参数，在运动层面，本研究提出SynergyNet框架，具体而言。
现有研究普遍基于“运动协同”理论，为开发适用于行走、游泳等高自由度节律运动的脑机接口系统提供了新的技术路径，现就读于浙江大学计算机科学与技术学院/脑机智能全国重点实验室，导致适用于神经控制的基元形态及其大脑调控机制尚不明确，显著提升了神经层面可解释性。