2020年6月29日，未来研究院青年教师毕则栋博士在国际著名期刊《PNAS》发表了题为“Understanding the computation of time using neural network models”的论文（PNAS, 2020, 117,10530-10540）。毕则栋为第一作者，青岛大学为第一单位。香港浸会大学周昌松教授为通讯作者。
该研究用建立神经网络模型的方法总结了大量神经科学实验现象，系统地研究了时间间隔信息在工作记忆中的编码规律。研究发现：（1）神经网络在感知、保持和使用时间间隔信息时具有不同的动力学状态；（2）神经网络对时间信息的编码与对空间或决策等非时间信息的编码具有相互正交性和平移不变性，从而有助于时间信息和非时间信息的解码泛化性；（3）时间与非时间信息的编码耦合是通过多条相互作用的链式网络结构实现的；（4）动物实验发现，即使在完成非含时任务时，神经元活动也有75%的总方差与时间编码相关，本研究总结了造成这一现象的4种机制。
该研究揭示了神经网络处理时间间隔信息的计算原理，并预测了若干神经科学实验现象。
