大脑的功能取决于它形成的电路网络类型，以实现感知和行动。然而，目前还没有技术可以通过检查活体动物的神经活动来帮助揭示隐藏网络的结构。
京都大学和基础科学研究所 (IPM) 现在联合创建了一张地图，将这种电路结构与哺乳动物的神经活动进行比较。该图使研究人员能够从神经活动的特征中更清楚地了解电路。
神经细胞产生称为尖峰的电信号，通过突触为下一个神经细胞提供输入电位。当输入电位的总和超过某个值时，就会产生尖峰信号，将其活动传递给下一个神经细胞。
“这项研究的目的是构建一个整合神经网络结构和活动的理论，并将其用作从活动中发现网络结构的工具，”京都大学信息学研究生院的 Hideaki Shimazaki 说。
两个神经细胞之间的耦合增加了一个神经细胞在另一个神经细胞激活后立即激活的可能性。人们正在努力通过从同时记录的神经元的共同活动中估计神经元之间的联系来阐明神经元的网络结构。然而，这些只显示了更大图景的可见部分，揭示了负责驱动动物认知和行为的功能性神经回路的状态。
“为了揭示未观察到的神经元的隐藏连接 ，我们使用了神经元输入和输出之间非线性的分析关系。我们证明了可以从观察到的神经元的协同活动中识别包括未观察到的神经元在内的隐藏微电路架构， ”相应的说IPM 认知科学学院的作者 Safura Rashid Shomali。
“我们已经了解到，人或神经元行为的相似性表明了他们的共同历史。在这里，行为是神经元的活动，而历史是他们收到的隐藏的共享输入，”物理系的合著者 S. Nader Rasuli 说明道在桂兰大学和IPM。
将这种技术应用于哺乳动物的视觉皮层，研究人员有了新发现。
“利用这张图，我们研究了小鼠和猴子视觉皮层神经元的稀疏活动，并表明兴奋 性局部共同输入结构 是活动的背后，”Shomali 解释说。
大脑中的相关机制称为 稀疏编码， 这是视觉皮层中的一种节能方案，仅使用少量神经元来表达信息。这种机制反驳了先前提出的电路网络由抑制细胞主导的假设。
“该机制可应用于人工智能，产生稀疏活动，有望为构建高效深度神经网络和组件神经元作为非线性元素的连接结构提供方向，”岛崎说。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！