脉冲序列本身成为微观态
多数脉冲网络理论从膜电位或群体动力学出发，把脉冲当作输出。这篇论文颠倒顺序：一个微观态是 N 个神经元在有限窗口 [0,T] 内离散脉冲事件的完整时空图样，按神经元身份和时间索引。系综定义在这些完整历史上，平均场群体发放率只在之后作为粗粒化出现。
网络内部结构通过一个内禀响应算符进入。该算符把某个脉冲构型映射为由膜电位动力学、突触权重、传输延迟和响应核产生的内源激活场。由于响应核是因果的、延迟非负，一个脉冲只能得到同一构型中更早的突触前事件的支持；在零延迟理想化下，也可由同时事件支持。
能量奖励自洽的脉冲图样
核心对象是能量泛函 E(s)，它衡量已有脉冲与这些脉冲自身产生的激活场之间的一致程度。每个脉冲通过内源场的阈值函数贡献一个非负能量权重：当该场有利于发放脉冲时权重较大，不利于时权重较小或为零。按这一符号约定，脉冲只有在落在网络自身提供支持的位置时才降低能量。
这种排序是相对于一类允许的脉冲序列而言的。若不对总体活动水平加以约束，不断加入受支持的脉冲会持续降低能量，因此论文固定总脉冲数。这一正则系综选择把活动水平与逆温度 β 分开，β 随后控制内源结构相对于涨落的统计权重，而不再兼任驱动参数。
温度代表外部驱动强度
在平均能量约束下应用 Jaynes 最大熵原理，得到允许微观态上的玻尔兹曼形式 P(s) = Z⁻¹ exp(−βE(s))。逆温度 β 设定平衡：β 增大时，系综集中到与内源动力学最一致的构型；β 趋近零时，所有允许微观态变得等概率。论文把 β⁻¹ 等同于外部驱动强度，即吸收外部输入、通道噪声和未观测影响的神经热浴温度。
这是定义在历史上的类平衡系综，而不是时间演化规则，尽管底层神经元动力学是开放且受驱动的。论文明确指出，β 的作用类似噪声幅度，而非真正的热力学温度。实际中有界性由有限时间分辨率、绝对不应期或固定脉冲数保证。
自由能权衡自洽与熵
粗粒化把能量相同的微观态归为宏观态，每个宏观态有重数 Γ(m) 和熵 H(m) = log Γ(m)。宏观态自由能为 F(m) = E(m) − H(m)/β，最可能的宏观态使 F 最小。论文的机制正在这里：能量偏好与相互作用一致的脉冲图样，熵偏好时空无序，而随 β 和延迟结构变化，最小化自由能的宏观态会发生定性改变。
区制由群体脉冲发放率密度的序参量诊断，包括其熵、时间局域化度量和基于自相关的指标。非振荡区制既包含广泛分布、近似均匀的状态，也包含时间上局域的坍缩态；振荡区制则表现为重复的活动峰。论文在现象学层面把这些区制与脉冲网络模型中观察到的异步、节律、多时相和同步群体活动联系起来。
延迟核决定相变边界
在对兴奋性延迟网络的平均场约化中，有效延迟核作为支配自由能景观的不可约量出现。论文报告，相变的位置和是否存在主要由该核的形状决定，而非单个神经元的微观细节。窄延迟分布有利于振荡态，较宽的分布则促进时间上局域的放电样态。
对比较候选机制的读者而言，这是论文最重要的主张：突触延迟被提出为集体活动的基本组织变量，而不只是同步性的调节因素。该主张限定在弱耦合和理想化延迟假设下的同质兴奋性延迟网络，因此若无进一步证据，不应外推到异质或抑制性群体。
蒙特卡洛直接采样脉冲序列
为补充解析处理，作者运行蒙特卡洛模拟，用直接定义在脉冲序列上的 Metropolis–Hastings 方案采样允许脉冲构型的系综。离散转移算符在时间傅里叶表示中实现，通过图的延迟传播按每个傅里叶模式编码，并使用与数值实现相匹配的有效时间响应核。
模拟揭示了预测宏观区制的出现，并提供了对自由能景观的基于采样的探测。它们还显示出结构化的活动群组，而非完全的时间坍缩。作者把这些簇解释为类似大规模脉冲模拟中报道的神经元集群和多时相群组，并将其出现归因于有限尺寸效应、不应期约束、阈值非线性和淬火网络结构稳定了超出最简单平均场图景的介观组织。
框架尚未覆盖的范围
分析依赖简化假设：弱耦合近似、同质群体和理想化延迟分布。扩展到包含抑制性中间神经元的异质细胞类型、多类突触相互作用、结构化连接和可塑性突触仍待完成。蒙特卡洛实现也使用简化的离散转移算符，而非生物动机的整合发放构造，因此采样得到的区制是在该简化实现下检验系综逻辑。
论文还概述了该形式体系用于连接推断的反向用法，包括一个双神经元例子：连接的后验概率取决于推断精度参数 β_inf；以及一个群体发放率例子：推断的因果延迟核正比于 exp[β_inf R_ρρ(t)]，其中 R_ρρ 是经验发放率密度的自相关。这些是示意性推导，而非在数据上验证过的推断结果。
预测的分量落在哪里
该框架的价值不在于取代详细的脉冲模型，而在于把脉冲图样纳入微观态、能量、熵、自由能和相变的语言，同时保留完整时间结构。它的实际优势是脉冲序列可用多电极阵列、钙成像和光遗传学方法直接测量，而膜电位和网络状态变量在体内往往不可及。
对把该框架与脉冲数据的成对最大熵模型相比较的读者，区别很重要：这里的微观态是完整轨迹而非瞬时二值向量，能量由已知图和单神经元规则构造而非从数据推断耦合，时间通过因果核和延迟进入。因此论文特有的优先项是延迟核：在比较兴奋性延迟网络中振荡与局域群体活动的解释时，该框架认为应首先考察延迟分布的形状，而非神经元细节。
本文引用的文献
Statistical Mechanics of Spike Trains: Self-Consistent Activity Ensembles and Phase Transitions
在完整脉冲序列上构建的类玻尔兹曼系综，用有效能量奖励与相互作用一致的脉冲、用有效温度代表外部驱动，预测了同质兴奋性延迟网络中的振荡、均匀和时间局域区制；在脉冲序列上运行的 Metropolis–Hastings 采样重现了预测区制，而延迟核形状主要决定相变。