我们需要了解大脑解剖通路中神经信息是如何流动的，因为这对于理解动物是如何知觉它们所处的环境、如何学习、以及如何行为至关重要。基于解剖学的神经连接网络给出了神经通路图，但缺乏神经流的动态信息。通过观察神经活动随时间的变化，在理论上可以推理出神经信息的流动状态，显示在确定的任务信息处理过程中，各脑区之间沿着神经通路的整合神经信号的传递情况。过去关于耦合问题的方法是基于对称性分析，如同步分析等，但无法提供信息流耦合方向的信息。神经振荡表现为非线性自持振荡和弱耦合，与相空间的因果关系法比较，相位动力学理论更适合分析神经系统。本研究将结合突触可塑性实验，改进和完善基于相位动力学的神经信息流耦合方法并将其推广到复杂多元动力学网络的分析；探索信息流耦合方向指数与长时程互相关指数的关系；探讨突触传递功能可塑性与神经信息流耦合方向指数的关联性；建立有效、实用的神经信息流耦合强度与方向的用户分析平台。