文章研究了有向环作为高阶结构在稀疏随机网络中的信息处理功能。通过信息论方法，揭示了前馈环和反馈环在信息流动与整合中的差异化作用：前馈环促进信息传递，而反馈环增强信息整合。研究发现网络规模、稀疏性和全局方向性显著影响有向环的计算能力，其中环的局部营养不连贯性决定了其产生高阶行为的能力。此外，在全局网络动力学方面，反馈环的引入能显著增加活动模式的多样性。这些发现为理解生物神经网络和设计人工信息处理系统提供了新视角。
复杂网络中的高阶结构研究正成为理解系统涌现现象的关键。传统基于成对相互作用的网络模型已无法完全解释群体同步、集体决策等复杂行为。文章聚焦有向网络中的基本高阶单元——有向环，探讨其作为信息处理基元的功能特性。前馈环和反馈环作为两种基本类型，在生物神经网络和社会系统中展现出截然不同的动力学作用。
研究采用两种有向随机网络模型：Erdős-Rényi网络和多层前馈网络，通过调节全局方向性参数q（1为完全有序，0.5为无偏好方向）生成不同拓扑结构。网络动力学采用一阶向量自回归(VAR)过程模拟，确保系统稳定收敛至稳态。
通过三种核心指标量化有向环的信息处理能力：活跃信息存储(AIS)表征节点自身过去状态对当前状态的预测能力；转移熵(TE)反映节点间的定向信息传递；整合信息(Φ)衡量环作为整体超越其部分之和的信息协同效应。这些指标通过10,000次轨迹的系综平均计算，并与断开环的零模型对比。
在无全局方向性偏好的稀疏网络中，前馈环表现出显著更高的转移熵，说明其更擅长信息传递；而反馈环则具有更强的整合信息能力，表明其更擅长时空信息整合。这种功能分化与生物神经网络中前馈通路负责感觉信息传输、反馈通路参与高级认知整合的现象一致。
通过营养不连贯性指标发现，当环内平均每条边产生一次营养层级违反时(F_C≈1)，信息存储和整合能力达到峰值。前馈环在反向嵌入时能最大程度破坏网络全局方向性，产生最强的局部不连贯性，这种"结构失谐"效应是其产生高阶行为的关键。
网络谐波分解显示，反馈环的引入显著增加活动模式的多样性，这种效应在多层前馈架构中尤为突出。降低全局方向性(q→0.5)可释放网络的动态潜能，使活动分布在更多空间尺度上，这与生物神经网络中反馈连接促进功能多样性的观察相符。
研究建立的有向环功能分析框架，为理解生物神经网络的层次化信息处理提供了新工具。在人工网络设计方面，通过调控不同类型有向环的比例和排布，可优化网络的信息处理能力。未来可扩展至更复杂的高阶结构研究，并开发适用于实际系统的时间序列分析方法。