Функция мозга зависит от того, какую сеть цепей он формирует, чтобы обеспечить восприятие и действия. Однако не существует технологии, которая помогла бы раскрыть структуру скрытой сети путем изучения нейронной активности у живых животных.

Киотский университет и Институт фундаментальных исследований (IPM) совместно создали карту, сравнивающую структуру этой цепи с нейронной активностью у млекопитающих. Карта позволяет исследователям получить более четкое представление о схеме на основе характеристик нейронной активности.

Нервные клетки производят электрические сигналы , называемые спайками, которые передают входной потенциал следующей нервной клетке через синапсы. Когда сумма входных потенциалов превышает определенное значение, генерируется спайк, передающий свою активность следующей нервной клетке.

«Цель этого исследования состояла в том, чтобы построить теорию, которая объединяет структуру и активность нейронных сетей и использовать ее в качестве инструмента для обнаружения структуры сети из активности», — говорит Хидэаки Симадзаки из Высшей школы информатики Киотского университета.

Связь между двумя нервными клетками увеличивает вероятность того, что одна нервная клетка станет активной сразу после того, как другая нервная клетка станет активной. Предпринимаются попытки выяснить сетевую структуру нейронов путем оценки связей между ними по совместной активности одновременно регистрируемых нейронов. Однако они показали только видимую часть общей картины, которая показывает состояние функциональных нейронных цепей, ответственных за управление познанием и поведением животных.

«Чтобы выявить скрытые связи от ненаблюдаемых нейронов, мы использовали аналитическое соотношение для нелинейности между входом и выходом нейронов. Мы показали, что можно идентифицировать архитектуру скрытых микросхем, включая ненаблюдаемые нейроны, по совместной активности наблюдаемых нейронов», — говорится в сообщении. автор Сафура Рашид Шомали из Школы когнитивных наук IPM.

«Мы узнали, что сходство в поведении людей или нейронов указывает на их общую историю. Здесь поведение — это активность нейронов, а история — это скрытые общие входные данные, которые они получают», — говорит соавтор С. Надер Расули из Департамента. по физике в Университете Гилян и ИПМ.

Применив эту технику к зрительной коре млекопитающих, исследователи сделали новые открытия.

«Используя эту карту, мы исследовали разреженную активность нейронов в зрительной коре мышей и обезьян и показали, что за активностью стоит возбуждающая локальная общая входная структура», — объясняет Шомали.

Связанный с этим механизм в мозгу называется разреженным кодированием, энергосберегающей схемой в зрительной коре, которая использует лишь небольшое количество нейронов для выражения информации. Этот механизм противоречит ранее предложенной гипотезе о том, что в сети контуров преобладают тормозящие клетки.

«Механизм, который может быть применен к ИИ, генерирует разреженную активность и, как ожидается, даст указания для построения структуры соединения энергоэффективных глубоких нейронных сетей и компонентных нейронов как нелинейных элементов», — говорит Симадзаки.

Исследование опубликовано в журнале Communications Biology.