然而，关键问题是神经元通讯速度太高，无法直接观察一个脉冲是怎样发出，并点亮了诸多神经元的，无法区分一个连接是直接形成的，还是经过几个中转站后形成的。西班牙巴塞罗那大学记录了钙荧光检测数据，马普研究院动力学与自组织研究所主任西奥·盖泽尔领导的研究小组开发出一种算法，能从数据中得到神经线路是如何连接的准确信息。

“我们的方法基于已知的‘转让熵’概念。”论文领导作者、马普研究院奥莱弗·斯戴特说，转让熵是信息论中用到的一种检测方法，能测量定向信息流的流量，也就是说，能算出从某个神经元发出的信号引发另一个神经元活动的可能性。“利用转让熵，这种方法能可靠地把真正的因果联系和表面现象区别开来。”

研究人员用新方法来模拟钙荧光实验，用神经网模型模拟检测信号，包括钙运动和荧光检测的逼真效果。他们发现，神经网中的因果连接是随时间而变化的，取决于神经网的活动状态。只在活性相对较低的平静阶段，网络中的因果连接才与网络本身的结构一致。利用这一点可以进行预测，在活性更高的阶段，许多神经元同时参与神经会谈，追踪信息路径就比较困难。新的分析方法还显示，单个细胞周围的连接非常集中。

新方法可广泛用于许多系统中，并让重建神经网络成为可能。研究人员希望能用这种算法绘制神经线路图，在培养的和自然的神经网络中进行大尺度计算。来自不同神经网络的信息，有助于人们理解神经元在何时、何地形成了连接，以及它们选择谈话伙伴的标准。