在内部噪音和变化很大的世界中 大脑如何保持稳定

无论您是在公园里嬉戏玩耍，还是在birds叫的鸟儿，微风拂面，孩子们在附近玩耍，还是在书房里打着滴答作响的时钟，在书架上打and，在沙发上放着猫的叫声，如果游戏情况相同且清晰，无论这些条件如何，您的下一步行动都可能也是。尽管有各种各样的内在感觉，甚至这里有些神经元，而且有些不稳定，您仍然会继续前进。大脑如何克服不可预测的变化性干扰，以产生可靠而稳定的计算结果?麻省理工学院神经科学家的一项新研究提供了一个数学模型，显示出这种稳定性是如何从几种已知的生物学机制中固有地产生的。

该团队开发的模型比对注意力的随意控制具有更根本的意义，该模型描述了一种倾向于鲁棒稳定性的倾向，这种稳定性通过神经元彼此之间的联系或“突触”建立在神经回路中。他们推导并发表在《PLOS计算生物学》中的方程式表明，参与计算的神经元网络将反复朝着相同的电活动模式或“发射率”收敛，即使它们有时会受到个体自然噪声的任意干扰。世界可以产生的神经元或任意感觉刺激。

“大脑如何理解神经活动的这种高度动态，非线性的性质?”共同资深作者厄尔·米勒(Earl Miller)，皮克尔学习与记忆研究所以及麻省理工学院的脑与认知科学系(BCS)的皮克尔神经科学教授说。“大脑嘈杂，启动条件不同-面对所有可能使大脑崩溃的因素，大脑如何实现信息的稳定表示?”

为了找到答案，米勒研究神经网络如何表示信息的实验室与BCS同事和麻省理工学院非线性系统实验室的机械工程教授让·雅克·斯洛廷(Jean-Jacques Slotine)共同努力。Slotine将控制理论中发展起来的概念“收缩分析”的数学方法以及他的实验室为应用该方法而开发的工具引入了该问题。订约网络展示了轨迹的属性，这些轨迹从不同的点开始，最终汇聚成一条轨迹，例如分水岭的支流。即使输入随时间变化，它们也会这样做。它们对噪声和干扰具有抵抗力，

Slotine说：“在像大脑这样的系统中，如果您有数千亿个连接，那么如何保持稳定性以及对系统体系结构施加何种约束的问题就变得非常重要。”

数学反映自然机制

米勒(Miller)和斯洛廷(Slotine)实验室的研究生Leo Kozachkov通过将收缩分析应用于大脑计算的稳定性问题来领导这项研究。他发现，强制稳定的结果方程式中的变量和项直接反映了突触的性质和过程：抑制性电路连接会变得更牢固，励磁电路连接会变得更弱，两种连接通常彼此之间保持紧密平衡，并且神经元建立的连接远少于它们的连接数(每个神经元平均建立的连接数比其多大约一千万)。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！