Eerder neurowetenschappelijk onderzoek suggereert dat biologische neurale netwerken in de hersenen zichzelf kunnen organiseren in een kritieke toestand. In de natuurkunde is een kritieke toestand in wezen een punt dat de overgang markeert tussen geordende en ongeordende fasen van materie.

Onderzoekers van het Jülich Research Centre, RWTH Aachen University en Sorbonne Université hebben onlangs een theorie geïntroduceerd die zou kunnen helpen bij het verklaren van kriticiteit in de hersenen. Deze theorie, geïntroduceerd in een paper gepubliceerd in Physical Review Letters , is gebaseerd op een prototypische neurale veldentheorie, bekend als de 'stochastische Wilson-Cowan-vergelijking'.

"Eerdere werken hebben bewijs geleverd dat de hersenen op een kritiek punt werken", vertelden Lorenzo Tiberi, Jonas Stapmanns, Tobias Kühn, Thomas Luu, David Dahmen en Moritz Helias, de onderzoekers die het onderzoek uitvoerden, via e-mail aan Phys.org. . "Toch is het onduidelijk welke van de vele mogelijke soorten kritiekheden specifiek door de hersenen worden geïmplementeerd en hoe de laatste kritiekheid kunnen benutten voor optimale berekening."

Om de verschillende soorten kriticiteit te classificeren, gebruiken fysici doorgaans methoden binnen de zogenaamde renormalisatiegroep (RG). Dit zijn in wezen formele benaderingen die kunnen worden gebruikt om systematisch veranderingen in een fysiek systeem op verschillende schalen te onderzoeken.

In hun studie pasten de onderzoekers deze traditionele methoden aan en integreerden ze met een prototypisch neuronaal veldmodel dat voor het eerst werd voorgesteld door Wilson en Cowan. Ze pasten ze vervolgens specifiek toe op het gebied van neurowetenschappen om de kriticiteit in biologische neurale netwerken te onderzoeken.

"In ons werk bestuderen we de gevestigde Wilson-Cowan-vergelijkingen met stochastische input, dus het model dat we gebruiken is niet nieuw", aldus Tiberi, Stapmanns en hun collega's. "Met behulp van RG-technieken komen we echter tot een origineel resultaat."

Om computationele taken te voltooien, cognitieve taken waarbij berekeningen betrokken zijn, moet het menselijk brein de invoergegevens die het ontvangt kunnen onthouden en vervolgens op complexe manieren combineren. Dit stelt het op zijn beurt in staat om de informatie te verwerken en het rekenprobleem op te lossen.

"We ontdekten dat de kriticiteit in het Wilson-Cowan neurale veldmodel van het Gell-Mann-Low-type is, dat, van alle soorten kriticiteit, specifiek een optimale balans biedt tussen het onthouden van invoergegevens en het combineren ervan op complexe manieren," Tiberi, Stapmanns en hun collega's zeiden.

Met behulp van RG-methoden zijn de onderzoekers erin geslaagd om de effecten van niet-lineaire interacties in het Wilson-Cowan-model te bestuderen, die cruciaal zijn om te begrijpen hoe de hersenen informatie verwerken. Dit is een opmerkelijke prestatie, aangezien de 'mean-field'-methoden die in het verleden door andere teams werden gebruikt, deze effecten niet konden vastleggen, vooral niet wanneer de interacties sterk genoeg zijn om de hersendynamiek op macroscopische schaal vorm te geven.

"We verwachten dat RG-methoden nuttig zullen zijn om andere niet-lineaire processen in neuronale netwerken te bestuderen", legde het team uit. "Bovendien leggen we verbanden met andere gebieden van de natuurkunde:het concept van Gell-Man-Low-kritiek komt voort uit de kwantumveldentheorie en het Kardar-Parisi-Zhang-model, dat nauw verwant is aan ons model, is oorspronkelijk gebruikt om dynamische groei te beschrijven van interfaces."

In de toekomst zou de theorie die door dit team van onderzoekers is geïntroduceerd, kunnen worden gebruikt om verschillende andere hersendynamieken en neurale processen te onderzoeken, die verder reiken dan kritiek. Bovendien zou het uiteindelijk de weg kunnen banen naar de introductie van andere theoretische constructies die natuurkunde en neurowetenschap samenvoegen.

"In de hersenen is de sterkte van verbindingen tussen neuronen zeer variabel in een mate dat het in een eerste benadering als willekeurig kan worden beschreven", voegde de onderzoekers eraan toe. "We zijn nu van plan onze methoden toe te passen op neurale modellen die deze functie bevatten en kijken welk effect dit heeft, indien aanwezig, op het type kriticiteit dat we vinden." + Verder verkennen

Neurale netwerken optimaliseren op een door de hersenen geïnspireerde computer

© 2022 Science X Network