在神经元网络中检测到隐藏的动力学

当大脑中的神经元网络接近临界点时，它们可能会特别好地处理信息-或使大脑研究人员基于理论考虑而假定。但是，对大脑活动的实验研究表明，这种临界状态的指标比预期的要少得多。

ForschungszentrumJülich和亚琛工业大学的科学家现在提出了一种可能的解释。他们表明，神经元网络可以采用以前未知的第二种临界模式，其隐藏的动力学几乎无法用传统方法测量。

复杂系统突然改变其特性的关键点是物理学中熟悉的概念。铁磁材料是一个例子。在临界温度(也称为居里温度)以下，材料的电子自旋对准，因此它们都指向同一方向。因此，各个自旋的微小磁矩加在一起，可以从外部将其测量为材料的自发磁化强度。

以前在测量大脑活动时发现了非常相似的动态。脑信号是一种典型情况，其中网络的大面积区域在很短的时间内以类似雪崩的方式同时变为活动状态。但是，总的来说，这种现象比预期的少得多。ForschungszentrumJülich和亚琛工业大学的科学家现在在PNAS杂志上提出了解决这一明显矛盾的解决方案。他们表明神经网络可以展现出第二种以前未知的临界类型。

对155个神经细胞同时活动的分析表明，对于第二种临界状态，大量神经细胞也表现出协调的行为。但是，相互作用不仅包括同时激活，还包括对大批神经元的靶向抑制。这种新发现的关键性使得网络可以在激活的神经元的多种组合中表示信号，因此-根据研究人员的说法-可以有效地并行处理信息。

这也解释了为什么无法从外部检测到网络活动突然增加的原因。标准方法，例如EEG或LFP，实际上将许多神经元的信号加在一起。但是，在第二种临界状态下，活动神经细胞的数量几乎保持不变。因此，这些方法无法记录异构动态。以莫里兹·赫里亚斯教授为首的研究人员只有使用从统计学物理学中借鉴的高度发展的数学方法，才能对神经细胞之间的相关性进行实验验证。

为了直接实验检测网络状态，他们通过理论和模拟预测了这一结果，研究人员与主要作者David Dahmen博士合作，借鉴了SonjaGrün教授在分析许多神经细胞关节活动方面的专业知识。

该研究所所长解释说：“这项研究具有深远的影响，因为Helias教授及其团队成功地将物理学中非常成功的方法场论应用到了神经科学领域。因此，我们希望将来能有更多的见解。”马库斯·迪斯曼(INM-6)迪斯曼在人类脑计划(HBP)中扮演着重要角色，该计划是全球最大的神经科学计划之一，该计划将19个成员国的500名研究人员的工作联合在一起。

“在HBP中，我们关注的是用其全部神经细胞来模拟大脑大部分区域所需的技术。但是，这些模拟本身尚无法产生见识。它们仅能产生模拟数据，其复杂程度与来自自然的数据，但是，它们允许我们以比使用实验方法可能的方式更具针对性的方式修改网络，但只有通过以受控方式将它们简化为具有更少方程的可管理数学模型，我们才有可能了解底层机制。”

标签： 神经元网络