연구진은 생물학적 시스템의 해부학적·대사적 제약 하에서 신경 부호화가 행동적으로 관련된 정보를 저중복 패턴으로 압축하는 방식을 테스트했어요. 실험 결과, 헤브 학습은 제한된 연결과 희소성 제약 조건 하에서 기존 학습 규칙보다 더 유리한 비용-성능 체제를 달성했어요. 헤브 학습은 작업 정보 비용(CTI)을 줄이는 데 효과적이며, 기능적 성능을 유지하면서 입력 정보를 덜 유지하는 신경 표현을 가능하게 해요.