因为缺乏在体数据，研究神经元活动模式无疑是困难的，科学家们已经依赖理论模型建立其在大脑中可能的过程。1982年，科学家John Hopfield提出了一个递归神经网络框架，自命名为Hopfield的神经网络。它描述了一种联想记忆系统，包括反复兴奋的神经元存储离散记忆模式——这些模式是“吸引子”，部分模式聚集，这一过程称为自联。

神经科学家们已经意识到，Hopfield网络提供了一个人类记忆模型，两个来自约翰霍普金斯大学医学院的研究人员发表了一项关于探索神经回路中活动模式自持序列机制的研究。他们在《科学》杂志上发表了他们的研究成果。

他们的研究集中在鼠位细胞、海马神经元，当动物对其在环境中的位置做出反应时被激活。全部海马区的细胞产生了动物所处环境的认知地图，它们能够在感应到发生巨大改变后调整它们的激活模式。但该模式被Hopfield网络吸引子动力学认为是稳定的。

研究证据表明，海马神经元表达序列的重新激活是由Hopfield在他框架理论里描述的自联“吸引子”模式组成的。更进一步来说，研究人员建立的序列模式可以通过吸引子的快速自联与连续模式的所谓慢速“异联”相结合存储起来。这就允许每个模式在过渡到序列中的下一个模式之前得到修正。

在过去，这些动态直接证据的采集因为难以从大量海马细胞中获取数据从而受到重重阻碍，但研究人员最近开发的技术允许他们同时记录263个神经元的活动。他们记录了5只大鼠背侧海马神经元在探索开放领域和线性轨道不同时间段的活动。

这种大脑活动理论模型中的一个未解决的问题是，神经模式多个网络瓦解成无规噪声。“这是公认的，在这样一个网络中的无界吸引子动力学可以导致失控的兴奋活动，”作者写道。“我们的数据表明了解决这个问题的方法在于，吸引子加强了在高水平活动（集中神经元在一个信息‘单元’的表现，比如空间里的单一位置）和低水平活动（弱化吸引子动力学使其转换到另一个单元）之间的低γ频率振荡。

他们研究的关于γ频率的振荡与越来越多的神经科学的一致性表明，这些低频节律通过来自远处的同步信号与本地环路调解大脑区域之间的通讯。“我们的数据表明，还有一个额外的作用，就是使神经元结构集中表示的同时避免了过多的正反馈，“作者写道。