数学展示了内部噪音和一个广泛变化的世界中脑如何保持稳定

无论您是在唧唧喳喳的鸟儿，柔和的微风和孩子们在附近玩耍还是在书柜上玩耍时都在玩耍，如果游戏的情况相同明确，无论这些不同的条件如何，您的下一次可能也是如此。尽管在这里有很多内部感受，但即使在这里有一些神经元，仍然有一点不稳定，你仍然会玩相同的下一步。大脑如何克服不可预测和不同的干扰，以产生可靠和稳定的计算？麻省理工学院神经科学家的一项新研究提供了一种数学模型，展示了从几种已知的生物机制中固有地出现这种稳定性的数学模型。

比对认知控制的故意努力更为根本，该模型的团队发展描述了倾向于稳健的稳定性神经电路凭借连接或“突触”彼此制作的“突触”。他们派生和发布的方程PLO计算生物学表明，涉及相同计算中涉及的神经元的网络将反复融合到相同的电活动模式，或者“射击率”，即使它们有时被单个神经元的自然噪声或全世界可以产生的任意感官刺激。

“怎么样？脑理解这种高度动态，非线性的神经活动的性质？“Co-Sender Auture Miller，PiceRience of Mit学习和记忆和脑和认知科学部（BCS）中的神经科学教授。“大脑是嘈杂的，有不同的起动条件 - 面对面的所有这些因素，大脑如何实现稳定的信息表示？”

要了解米勒的实验室，研究如何神经网络代表信息，与BCS同事和机械工程教授Jean-Jacques SloTine联合的信息，他在麻省理工学院领导了非线性系统实验室。SloTine带来了“收缩分析”的数学方法，该概念在控制理论中开发的概念，与他的实验室开发应用该方法的工具一起出现问题。承包网络展示了从不同点开始的轨迹的财产，最终会融入一个轨迹，就像流域的支流一样。它们即使输入随时间而不同。它们是对噪声和干扰的稳健性，并且它们允许许多其他契约网络组合在一起而不会损失整体稳定性 - 非常像大脑通常将信息与许多专业区域集成在一起。

“在像大脑这样的系统中，你有[数十亿数十亿]的联系，那些将保护稳定性以及在系统架构上施加的哪些限制的问题变得非常重要，”斯洛特说。

数学反映了自然机制

Leo Kozachkov，米勒和石窟实验室的研究生，通过对大脑计算稳定性的问题进行了收缩分析来领导了研究。他所发现的是，由强制直接镜像的变量和术语直接镜像的性质和过程：抑制电路连接可以变强，兴奋电路连接可以变弱，两种连接通常相对于彼此紧密平衡而且神经元的连接越来越少于它们（每个神经元，平均而言，每个神经元可能会使大约1000万更多的连接）。

“这些都是神经科学家发现的所有事情，但他们没有把它们与这种稳定的财产联系起来，”Kozachkov说。“从某种意义上说，我们在该领域中综合了一些不同的发现来解释这种常见现象。”

还涉及Miller Lab Postdoc Mikael Lundqvist的新研究几乎不是争夺大脑稳定的努力，但作者认为它通过占突触的动态而产生了更先进的模型，并允许广泛变化开始条件。Kozachkov补充说，它还提供了数学稳定性证明。

虽然专注于确保稳定的因素，作者指出，他们的模型甚至向大脑划分到不灵活或确定主义。大脑改变 - 学习和记住的能力就像它的作用一样基本，作为其持续理性和制定稳定行为的能力。

“我们没有问大脑如何变化，”米勒说。“我们询问大脑如何保持太多变化。”

尽管如此，该团队计划继续在模型上迭代，例如通过富裕核算神经元如何产生各个电力活动的尖峰，而不仅仅是该活动的速率。

它们还在努力将模型的预测与来自实验的数据进行比较，其中动物重复执行他们所需的任务，其中尽管经历了不可避免的内部神经噪声和至少小的感觉输入差异。

最后，该团队正在考虑模型如何能够为大脑的不同疾病状态提供信息。Kozachkov Notes的大脑中兴奋性和抑制性神经活动的微妙平衡的畸变被认为是至关重要的。帕金森病的症状，也需要一种神经生根的电机损失稳定。米勒补充说，当外部条件不同时

---

---