Role of NMDA conductance in average firing rate shifts caused by external periodic forcing
一种被广泛接受的大脑计算观点依赖于群体编码，其中神经系综放电率以稳定的方式被调制以传输信息并执行各种认知任务。同时，在认知过程中，振荡神经活动在频率、相干性和功率方面受到特定的调制。发射率和振荡如何相互作用仍然是一个突出的问题。在本文中，我们发展了一个理论之间的相互作用的振荡信号和放电率的神经元群体的基础上活动的非线性电压依赖性NMDA突触。值得注意的是，我们表明，在何种条件下振荡输入可以控制平均射击率而不失去稳定性。使用数学分析和模拟的平均场模型，我们证明了兴奋性和抑制性神经元上的NMDA突触的存在是正弦振荡显着和稳定地增加放电率的关键。我们将振荡诱导的平均放电率转变描述为快突触权重和慢突触权重的函数，并展示了参数区域，其中所研究的效果最为明显。我们的工作结果可能有助于识别的神经回路，允许建设性的控制的大规模神经振荡的发射率代码的属性。
2018-12-10 q-bio.NC
Neural coordination can be enhanced by occasional interruption of normal firing patterns: A self-optimizing spiking neural network model
传统Hopfield网络的状态空间通常表现出许多不同的吸引子，其中只有一小部分吸引子以全局最优的方式满足神经元之间的约束。最近的研究表明，将赫布学习与正常神经状态的偶尔改变相结合，可以通过自组织扩大最佳吸引域来避免这个问题。然而，到目前为止，还不清楚这种自我优化过程在多大程度上也适用于真实的大脑。在这里，我们证明了它可以转移到更生物合理的神经网络，通过实现一个自优化的尖峰神经网络模型。此外，通过使用这种尖峰神经网络来模拟具有Hebbian学习的Hopfield网络，我们试图在基于速率的神经系统和基于时间编码的神经系统之间建立联系。虽然需要进一步的工作，使这个模型更现实，它已经表明，自我优化过程的功效是独立于传统的Hopfield网络的简化假设。我们还讨论了自然和文化的过程，可能是负责偶尔改变神经放电模式在实际的大脑
2014-09-01 cs.NE nlin.AO q-bio.NC
Broken chaotic clocks of brain neurons and depression
通过映射到电报信号，分析了在体外和体内从不同类型大鼠的单个脑神经元获得的不规则尖峰时间序列。由于神经信息是以峰间间隔的长度和它们在时间轴上的位置编码的，所以这种映射是将脉冲序列映射到允许适当应用傅立叶变换方法的信号中的最直接的方式。该分析表明，健康的神经元放电具有周期性和混沌的确定性时钟，而对于代表人类抑郁症遗传动物模型的大鼠，这些神经元时钟可能被打破，导致抑郁神经元放电之间的去相干。由于抑郁症通常伴随着意识的狭窄，这种特定的退相干也可以被认为是意识狭窄现象的原因。从麻醉状态到清醒状态的过渡期，梨状后皮质和内嗅皮质的电活动的大规模混沌一致性也支持了这一观点。
2011-03-05 cond-mat.dis-nn nlin.CD q-bio.NC
A neuronal dynamics study on a neuromorphic chip
神经元放电活动吸引了很多关注，因为大脑中大量的时空模式是适应行为的基础，也可以揭示各种神经系统疾病的迹象，包括阿尔茨海默氏症，精神分裂症，癫痫等。在这里，我们研究了一个简单的神经元网络的动力学使用不同的设置在一个神经形态芯片。我们观察到三种不同类型的集体神经元放电活动，这与从大脑中获取的临床数据一致。我们构建了一个大脑相图，并表明在弱噪声区域内，大脑是在预期的噪声诱导阶段（N阶段），而不是在所谓的自组织临界边界。这项研究的意义是双重的：第一，神经元活动偏离正常大脑可能是中枢神经系统疾病的症状，从而为新的诊断和治疗铺平了道路;第二，N期的正常大脑状态是计算和信息处理的最佳状态。后者可能提供一种方法来建立强大的新的计算范式，使用尖峰神经元网络的集体行为。
2017-03-10 q-bio.NC
Multi-Objective Optimisation with Oscillatory Dynamics in Spontaneous and Decision Spiking Neural Networks
Intelligent Systems Research Centre, School of Computing, Engineering and Intelligent Systems, Ulster University（阿尔斯特大学计算、工程与智能系统学院智能系统研究中心）
本研究扩展了遗传算法（NSGA-III）在基于Izhikevich神经元的递归脉冲神经网络上的应用，通过优化连接参数以同时匹配目标神经元群体发放率和网络振荡频率，并在自发活动模型、低激活脑类器官和决策模型中验证了其有效性。
2026-05-24 q-bio.NC
Biophysical models of intrinsic homeostasis: Firing rates and beyond
考虑到外部世界和内在大脑状态的不断变化，保持计算的鲁棒性是一个挑战，我们才刚刚开始了解适当的解决方案。在细胞内在特性的水平上，神经元的生物物理模型允许人们识别可以作为神经元兴奋性调节器的相关生理底物，并测试反馈回路如何稳定关键变量，如长期钙水平和放电率。数学理论还揭示了一组丰富的互补计算特性，这些特性来自于不同的细胞动力学，甚至是网络层面的成形处理。在这里，我们提供了一个概述最近探索的稳态机制来自生物物理模型和假设如何多个动态特性的细胞，包括其内在的神经元兴奋性类，可以稳定地控制。
2022-03-28 q-bio.NC
The impact of cancer on the neural activity
我们研究了神经元数量减少对神经元放电率的影响。我们提出了一个元胞自动机模型，从脑组织中的癌细胞生长和神经元的死亡，由于缺乏细胞，帮助支持神经元。我们利用这个模型研究了神经网络在不同的外界刺激下以及癌细胞具有不同的增殖率时放电率的变化。我们的工作表明，癌症增殖降低了神经元的放电率。
2015-10-02 physics.bio-ph q-bio.NC
Normalisation of Weights and Firing Rates in Spiking Neural Networks with Spike-Timing-Dependent Plasticity
保持稀疏激发的能力对于神经网络中的信息编码至关重要。此外，尖峰稳态对于具有变化的权重和神经元数量的脉冲神经网络至关重要。我们讨论了一系列的网络稳定的方法，灵感来自稳态突触可塑性机制在大脑中报告。这些包括权重缩放，以及作为网络尖峰活动函数的权重变化。我们测试了所有神经元和神经元类型的权重总和的归一化。我们研究了这种方法如何影响射击率和性能的时间序列数据的聚类移动的几何形状的形式。我们发现，神经元类型特定的归一化是防止脉冲神经网络中权重漂移的一种很有前途的方法，从而实现更长的训练周期。它可以适用于具有架构可塑性的网络。
2019-09-30 cs.NE q-bio.NC
Utilizing Neurons for Digital Logic Circuits: A Molecular Communications Analysis
随着合成生物学的发展，多年来已经将几种新工具概念化为当前医疗程序的替代疗法。这些应用大多适用于各种慢性疾病。这项工作研究了合成工程神经元如何作为数字逻辑门运行，可用于大脑的生物计算。我们量化了逻辑门在神经元网络中高放电率下的准确性，以及它能在多大程度上消除不受控制的神经元放电。为了测试我们的方法的有效性，模拟组成的神经元连接在一个结构，代表一个逻辑门的计算模型进行。模拟演示了执行正确逻辑运算的准确性，以及特定属性（如发射率）如何在准确性中发挥重要作用。作为分析的一部分，均方误差用于量化我们提出的模型的质量，并基于不同的采样频率预测门的准确操作。作为一个应用，逻辑门被用来捕获癫痫发作的神经网络，其中的结果表明，降低放电率的有效性。我们提出的系统具有计算大脑的许多神经系统状况的潜力。
2019-09-18 cs.ET q-bio.NC
Macroscopic description for networks of spiking neurons
神经科学、统计物理学和非线性动力学的一个主要目标是了解大脑功能是如何从尖峰神经元网络的集体动力学中产生的。这一挑战主要通过大规模数值模拟来解决。或者，研究人员已经制定了平均场理论，以了解大型神经元网络的宏观状态，即神经元的集体放电活动或放电率。然而，这些理论并没有成功地在网络的放电率和尖峰神经元的潜在微观状态之间建立精确的对应关系。这在很大程度上限制了这种宏观描述的适用范围，特别是在试图描述神经元同步时。在这里，我们提供了一组精确的宏观方程的尖峰神经元网络的推导。我们的研究结果表明，单个神经元的尖峰产生机制引入了两个生物药理学相关的宏观量，放电率和平均膜电位，共同管理的神经网络的演变之间的有效耦合。由此产生的方程精确地描述了网络的所有可能的宏观动力学状态，包括同步尖峰活动的状态。最后，我们表明，射击率的描述是相关的，通过一个共形映射，与低维描述的仓本序参数，称为E-Antonsen理论。我们预计我们的结果将成为研究大型尖峰神经元网络如何及时自组织处理和编码大脑信息的重要工具。
2015-06-22 cond-mat.dis-nn nlin.AO nlin.CD
Modelling brain based on canonical ensemble with functional MRI: A thermodynamic exploration on neural system
Objective.模型化是研究大脑工作机制的重要手段。但对脑的表征和认识还不够。本研究尝试从系统层次上从热力学的角度来建立脑的模型，为脑的建模带来了新的思路。Approach.将脑区看作系统，体素看作粒子，信号强度看作粒子的能量，基于正则系综理论建立了脑的热力学模型。选取两对激活区和两对失活区进行比较，并基于所建模型进行热力学性质分析。此外，还提取了热力学性质作为阿尔茨海默病检测的输入特征。主要结果。实验结果验证了大脑也遵循热力学定律的假设。证明了所提出的脑热力学建模方法的可行性和合理性，表明热力学参数可以用来描述神经系统的状态。同时，脑热力学模型在阿尔茨海默病的检测中取得了更好的准确性，表明了热力学模型在辅助诊断中的潜在应用。意义(1)本文首次从热力学的角度提出了一个系统级的脑模型，而不是用一些热力学参数来分析神经系统。(2)研究发现，神经系统也遵循热力学定律，这导致系统激活时内能增加，自由能增加，熵减少。(3)热力学模型在神经系统疾病诊断中的应用，显示了热力学在辅助诊断中的巨大潜力。
2021-03-27 q-bio.NC
Boosting Reservoir Computing with Brain-inspired Adaptive Dynamics
University of Maryland（马里兰大学）；National Institute of Mental Health（美国国家精神卫生研究院）；Santa Fe Institute（圣塔菲研究所）
针对储备池计算机（RCs）超参数敏感及忽略神经元E-I平衡的问题，引入局部E/I平衡自适应机制和脑启发异质性放电率，提升其在记忆容量等任务的性能达130%，推动RC设计向动态适应转变。
2025-04-16 cs.LG cs.NE q-bio.NC
Self-sustained activity of low firing rate in balanced networks
在没有外部刺激的情况下观察到大脑中的自我维持活动，并有助于信号传播、神经编码和动态稳定性。它在认知过程中也起着重要作用。在这项工作中，通过研究大鼠CA1神经元的细胞内记录和数值模拟的结果，我们证明了自我维持的活动呈现出高度的模式可变性，例如低神经放电率和不同神经元中小爆发形式的活动。在我们的数值模拟中，我们考虑由耦合的自适应指数积分和激发神经元组成的随机网络。随机网络中的神经动力学模拟规则尖峰（兴奋性）和快速尖峰（抑制性）神经元。我们表明，连接概率和网络大小的基本属性，引起自我维持的活动与我们的实验结果定性一致。最后，我们提供了一个更详细的描述的自我持续的活动的寿命分布，突触电导和突触电流。
2019-09-27 physics.bio-ph q-bio.NC
Evaluating performance of neural codes in model neural communication networks
信息需要适当地编码，才能在物理介质上可靠地传输。同样，神经元也有自己的代码来传达大脑中的信息。尽管众所周知，神经元使用多个时空编码协议来交换信息，但每个代码的适用性及其作为网络参数和外部刺激的函数的性能仍然是神经科学中最大的谜团之一。本文揭示了这一点，通过建模化学和电耦合Hindmarsh-Rose尖峰神经元的小规模网络。我们专注于一类的时间和发射率代码，导致神经元的膜电位和相位，并量化其性能估计的互信息率，又名信息交换的速率。我们的研究结果表明，发射率和尖峰间隔码是更强大的加性高斯白噪声。在四个相互连接的神经元的网络中，在没有这种噪声的情况下，具有最大的信息交换速率的神经元对使用尖峰间期和发射速率代码在网络中不相邻，而尖峰定时和相位代码（时间）促进相邻神经元的大的信息交换速率。如果这一结果可以扩展到更大的神经网络，那么它将表明小型微电路将更好地使用时间代码（尖峰定时和相位代码）交换信息，而在宏观尺度上，由于大脑的稀疏性，通常会有神经元对不直接连接，发射率和尖峰间隔代码将是最有效的代码。
2018-10-17 q-bio.NC
A universal theorem of sensory information
Kyushu University（九州大学）
本文从感觉神经元最小描述出发，基于香农信息论推导感官信息普适定理，发现放电率类似热力学状态函数，提出的感觉适应相关不等式获跨模态跨物种实验验证，得出闭合刺激循环感官信息净增益非负的规律。
2025-11-14 q-bio.NC
Hippocampal Spike-Timing Correlations Lead to Hexagonal Grid Fields
在哺乳动物大脑中，空间是由海马位置细胞的活动以及它们的尖峰时间相关性来表示的。在这里，我们提出了一个理论，这个时间代码是如何通过尖峰时间依赖性突触可塑性转换为空间放电率模式。由此产生的动态突触权重类似于众所周知的模式形成模型，其中侧抑制机制引起图灵不稳定性。我们确定的参数制度中，六边形的发射模式的发展，因为他们已经发现在内侧内嗅皮层。
2017-06-21 nlin.AO q-bio.NC
Quantum Cognition: The possibility of processing with nuclear spins in the brain
提出并探讨了用核自旋进行量子处理在大脑中可能起作用的可能性。磷被确定为具有核自旋的独特生物元素，可以作为这种假定的量子处理的量子比特-神经量子比特-而磷酸根离子是唯一可能的量子比特传输器。我们确定了“波斯纳分子”，$\text{Ca}_9 (\text{PO}_4)_6$，作为唯一的分子，可以保护神经量子位在很长一段时间，从而作为一个（工作）量子记忆。量子处理的核心要求是量子纠缠。有人认为，酶催化的化学反应将焦磷酸根离子分解为两个磷酸根离子，可以使量子比特对量子纠缠。通过将这种磷酸盐对与细胞外钙离子结合而形成的波斯纳分子将继承核自旋纠缠。提出了一种机制，运输波斯纳分子进入突触前神经元在“吻和运行”的胞吐作用，释放神经递质进入突触间隙，提出。当一对波斯纳分子化学结合并随后熔化，释放出大量细胞内钙离子，可以触发进一步的神经递质释放并提高突触后神经元放电的可能性时，就可以进行量子测量。多个纠缠的Posner分子，触发神经元放电率的非局域量子相关，将为神经量子处理提供关键机制。在体外和体内的影响，简要地提到。
2015-08-29 physics.bio-ph q-bio.NC quant-ph
Noise induces continuous and noncontinuous transitions in neuronal interspike intervals range
噪声出现在大脑中，由于各种来源，如离子通道波动和突触事件。它们影响大脑的活动并影响神经元动作电位。随机微分方程已被用来模拟神经元的放电模式受到噪音。在这项工作中，我们考虑扰动噪声的自适应指数积分和消防（AEIF）神经元。AEIF是一个二维模型，通过改变其参数来描述不同的神经元放电模式。在与膜电位相关的方程中添加了噪声。我们发现，噪声电流可以诱导连续和不连续的过渡神经元的峰间期。此外，我们发现，非连续的过渡主要发生在参数接近的边界之间的紧张性尖峰和突发活动的神经元没有噪声。
2020-05-29 physics.bio-ph q-bio.NC
Scaling of causal neural avalanches in a neutral model
神经雪崩是表现出涌现的无标度行为的神经元的集体放电。了解这些雪崩的性质和分布是了解大脑功能的重要因素。我们研究了一个模型的神经雪崩的动力学是由中性理论。使用放电神经元之间的因果关系来定义神经雪崩。我们分析了因果神经雪崩的缩放从吸收阶段接近临界点。通过使用聚类分析工具，从渗流理论，我们的特征的神经雪崩的临界特性。我们确定的调谐参数与实验一致。标度假说提供了一个统一的解释幂律的特点的临界点。表征响应函数的雪崩分布和发散的临界指数与标度假设的预测是一致的。我们使用一个通用的缩放函数的雪崩配置文件，发现不同持续时间的雪崩的发射率显示数据崩溃后，适当的重新缩放。我们还发现数据崩溃的雪崩分布函数，这是更强有力的证据的临界性，而不仅仅是存在的幂律。临界减速和幂律松弛的雪崩观察到的系统被调谐到其临界点。我们讨论了我们的研究结果如何激励未来的实证研究的关键在大脑中。
2021-01-15 nlin.AO physics.bio-ph q-bio.NC
Coupling-Induced Population Synchronization in An Excitatory Population of Subthreshold Izhikevich Neurons
我们认为一个兴奋的人口阈下Izhikevich神经元表现出噪声诱导的放电。通过改变耦合强度$J$，我们调查人口同步之间的噪音引起的放电，可用于有效的认知处理，如感官知觉，多感官绑定，选择性注意，和记忆的形成。随着$J$的增加，丰富类型的群体同步（例如，尖峰、突发和快速尖峰同步）。用序参量$\cal{O}$很好地描述了种群同步和不相干之间的过渡。作为最后一步，耦合导致振荡器死亡（噪声诱导尖峰的猝灭），因为每个神经元都被吸引到噪声平衡状态。振荡器死亡导致从点火状态到非点火状态的转变在人口水平，这可以很好地描述在时间平均的人口尖峰率$\overline{R}$。除了使用$\cal{O}$和$\overline{R}$的运动力学分析之外，还通过使用非线性动力学技术（例如神经尖峰的光栅图、膜电位的时间序列和相图）来表征每个群体和个体状态。我们注意到，人口同步的噪音引起的放电可能会导致出现同步的脑节律在嘈杂的环境中，与不同的认知功能。
2014-03-05 physics.bio-ph q-bio.NC
Optimal rate-variance coding due to firing threshold adaptation near criticality
本研究针对弱刺激下神经元群速率编码不可靠的问题，提出基于放电速率方差的空间峰电位模式编码，发现临界态附近单细胞阈值适应可实现协同双编码，优化弱信号方差编码且不损害强信号速率编码，为生物及人工神经网络的信息编码提供新机制。
2025-09-04 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Universal Organization of Resting Brain Activity at the Thermodynamic Critical Point
热力学临界性描述了各种各样的复杂系统中的涌现现象。在哺乳动物大脑中，神经元相互作用自发产生的复杂动力学被表征为神经元雪崩，一种临界分支动力学形式。在这里，我们表明，神经元雪崩也反映了大脑动力学组织接近热力学临界点。我们分别使用高密度颅内微电极阵列和脑磁图记录了猴子和人类在休息时的自发皮层活动。通过数值改变一个相当于热力学温度的控制参数，我们观察到了接近实际生理条件下大脑皮层活动的典型临界行为，包括序参量的相变，以及磁化率和比热的发散。这些量的有限尺寸标度使我们能够推导出在猴子和人类之间高度一致的鲁棒临界指数，揭示了一个独特的，但普遍的大脑动力学组织。
2013-04-12 cond-mat.dis-nn physics.bio-ph q-bio.NC
Allometric scaling of brain activity explained by avalanche criticality
University of Campania “Luigi Vanvitelli”（坎帕尼亚路易吉范维特利大学）；Universidade Federal do Ceará（塞阿拉联邦大学）；Center for Complexity and Biosystems, Department of Physics, University of Milan（米兰大学复杂系统与生物系统中心）；CNR - Consiglio Nazionale delle Ricerche, Istituto di Chimica della Materia Condensata e di Tecnologie per l’Energia（国家研究委员会凝聚态化学与能源技术研究所）
通过雪崩临界性理论，推导出亚线性活动-大小关系的解析标度律，并在神经元网络和自组织临界性模型中验证，揭示了大脑代谢异速缩放的基本机制。
2025-12-11 q-bio.NC
Evidence accumulation in a Laplace domain decision space
简单决策的证据积累模型长期以来一直假设大脑估计一个标量决策变量，对应于两个选择的对数似然比。这种算法认知模型的典型神经实现假设大量神经元都是标量决策变量的噪声样本。在这里，我们提出了一个神经实现的扩散模型中，许多神经元构建和维护的拉普拉斯变换的距离，每个决策界。正如在包括LIP在内的大脑区域的经典发现中一样，在随机点运动任务期间，编码净累积证据的拉普拉斯变换的神经元的放电率增长到一个界限。然而，这种方法不是单一平均值的噪声样本，而是做出了新的预测，即放电率以指数方式增长到边界，在神经元之间应该存在不同速率的分布。第二组神经元记录拉普拉斯变换的近似逆，这些神经元直接估计净累积证据。与海马体和其他大脑区域中观察到的时间细胞和位置细胞类似，第二组神经元沿着“决策轴”具有感受野。“这一发现与最近啮齿动物记录的发现一致。这种理论方法将简单的证据积累模型置于与最近提出的在记忆认知模型中表示时间和空间相同的数学语言中。
2018-10-23 q-bio.NC
A computational investigation of the relationships between single-neuron and network dynamics in the cerebral cortex
在复杂动物中，大脑区域的功能被认为依赖于神经元网络的动力学，而不是单个神经元。另一方面，网络动力学反映并产生于单个神经元群体活动的整合和协调。因此，了解单个神经元和神经回路动力学如何相互补充以产生大脑功能至关重要。LFP和EEG是介观和宏观神经元群体动态的良好指标，而微观水平的活动可以通过测量单个神经元的膜电位、突触电流或尖峰活动来记录。在这篇论文中，我们开发的数学建模和数学分析工具，可以帮助解释联合措施的神经活动在微观和中观或宏观尺度。特别是，我们开发了递归皮层回路的网络模型，可以澄清单神经元的几个方面的影响（即，显微镜水平）对整个神经元群体活动的动力学（如通过LFP测量的）。然后，我们开发统计工具来表征单个神经元的动作电位放电和质量信号之间的关系。我们将这些后一种分析技术应用于单个细胞类型识别的神经元和介观（即，LFP）和宏观（即，EEG）信号。我们确定了细胞特异性神经放电和质量电路活动之间关系的几个一般方面，例如提供了从质量测量（例如LFP和EEG）推断单神经元放电活动的一般和鲁棒的数学规则。
2016-12-31 cs.IT math.IT q-bio.NC
Is there a wave excitation in the Thalamus?
本文提出丘脑是波的兴奋部位，其功能是表征动物周围事物的位置。神经元作为发射器和接收器与波耦合。波作为局部空间的模拟表示。这比纯粹的空间神经表征有好处。有几条证据支持这一假设：理论上的，关于大脑中有效的贝叶斯推断;经验上的，关于丘脑的神经解剖。在所有物种中，大脑最基本的功能是协调空间运动。仅仅用神经放电率来表示空间位置是复杂而低效的。大脑有可能通过3D波以直接和自然的方式表示3D空间
2020-05-20 q-bio.NC
Multicoding in neural information transfer suggested by mathematical analysis of the frequency-dependent synaptic plasticity in vivo
神经信息处理的两个要素已被初步提出：神经元的放电率和发放时间。在突触可塑性中，尽管依赖于突触前和突触后发放时间的发放时间依赖可塑性（STDP）被认为是最常见的规则，但最近的研究表明，大脑在体内对精确发放时间的抑制性是STDP的关键。因此，放电频率在体内突触可塑性中的重要性再次被认识。然而，关于频率依赖性突触可塑性（FDP）在体内是如何调节的，目前还知之甚少。在这里，我们专注于突触前输入模式，细胞内钙衰减时间常数，和背景突触活动，这取决于神经元类型和大脑中的解剖和生理环境。通过分析基于钙的模型，我们发现，突触的重量取决于这些因素的特点在体内，即使神经元接收相同的输入速率。这一发现表明，在FDP，甚至神经编码在体内的输入频率以外的多方面因素的参与。
2020-01-13 q-bio.NC
Self-organization of feedforward structure and entrainment in excitatory neural networks with spike-timing-dependent plasticity
发放时间依赖可塑性（STDP）是生物神经网络的一种组织原则。虽然神经元的同步放电被认为是大脑中重要的功能块，但STDP如何使神经网络朝着同步的方向发展还不完全清楚。我们研究了自发放电神经元群体中STDP和同步放电之间的关系。使用耦合的异构相位振荡器放置在初始网络，我们数值表明，STDP修剪一些突触，并促进前馈网络的形成。最终，在前馈网络的根部出现了一个起搏器，它是我们数值模拟中固有频率最快的神经元。在每个振荡周期中，神经活动的包沿着前馈网络的层从起搏器传播到下游神经元。该事件发生在初始突触权重的明确阈值之上。在阈值以下，神经元自组织成单独的集群，每个集群都是前馈网络。
2009-05-20 cond-mat.dis-nn q-bio.NC
Control of the Correlation of Spontaneous Neuron Activity in Biological and Noise-activated CMOS Artificial Neural Microcircuits
有几个迹象表明，大脑不是基于单个不可靠的神经元组织的，而是基于微电路规模，提供用于创建复杂架构的乐高积木。在这样一个中间尺度上，微电路中的放电活动受集体效应的支配，集体效应是由引发自发放电的背景噪声、神经元之间相互连接的程度以及连接的拓扑结构所产生的。我们比较了粘附在工程支架上的小群体神经元的自发放电活动与生物学上合理的CMOS人工神经元群体的模拟，其自发活动由定制的背景噪声点燃。我们提供了一整套灵活和低功耗的硅块，包括神经元，兴奋性和抑制性突触，以及用于自发放电激活的白噪声和粉红噪声发生器。我们通过控制硅神经元之间的连接的种类和数量来实现生物神经元的放电活动的可比程度的相关性。神经元组之间的相关性，组织成一个由等效的中间神经元连接的四个不同群体的环，通过向连接添加多个突触比增加独立的点对点连接的数量更有效地触发。生物系统和人工系统之间的比较表明，相当数量的突触在粘附于工程支架的生物群体中也是活跃的。
2017-02-24 cs.NE q-bio.NC q-bio.QM
Approximate invariance of metabolic energy per synapse during development in mammalian brains
在哺乳动物发育过程中，大脑代谢率与突触发生定性相关，两者往往表现出双峰的时间轮廓。尽管这些非单调的依赖性，它是基于不同的哺乳动物的经验数据，每个突触的区域代谢率大约是保守的，从出生到成年的一个给定的物种（与这个恒定性略有偏差，在青春期的人类视觉和颞叶皮层）。在灵长类动物的大脑皮层中，一个典型的突触每秒使用大约$(7\pm 2)\cdot 10^{3}$葡萄糖分子，而在猫和大鼠的视觉皮层中，大约是这个数量的5倍。脑代谢消耗的理论模型被用来估计发育过程中的突触信号和神经尖峰活动。发现突触功效通常与平均放电率负相关，并且另外，突触消耗大量代谢能量，在大多数发育过程期间大致消耗$50-90 %$（除了人颞叶皮层$ < 50%$）。总的来说，这些结果表明，在神经连接的形成和巩固过程中，大脑的电和化学活动受到严格的调节。这大概反映了对大脑发育的强烈能量约束。
2012-04-17 q-bio.NC q-bio.TO
Cortical Circuits from Scratch: A Metaplastic Architecture for the Emergence of Lognormal Firing Rates and Realistic Topology
我们目前对神经可塑性的理解描绘了一幅复杂的相互关联的系统的图景，这些系统由塑造皮层结构的相关过程组成，从而产生一个有效的信息处理系统。事实上，这些过程的合作是与强大的，稳定的，适应性强的网络活动和突触拓扑结构的特征。然而，在模型中结合这些机制的作用已被证明是非常困难的，迄今为止，没有一个模型能够在没有显著的手动调整的情况下做到这一点。除非有这样一个模型能够成功地将这些机制结合起来，形成一个具有现实特征的稳定回路，否则我们在（更现实的）动态网络中研究神经可塑性的能力，以及可能获得这些特征和机制赋予生物网络的任何回报的能力都会受到阻碍。我们介绍了一个模型，它结合了五个已知的可塑性机制，作用于网络，以及一个独特的化生机制，作用于其他可塑性机制，产生一个神经回路模型，这是稳定的，能够广泛地再现许多特征的皮层网络。MANA（化生性人工神经结构）代表了第一个模型，因为它能够从零初始状态（没有突触连接或神经元分化）自组织皮质网络的现实，非随机特征。与SORN（自组织循环网络）等模型一样，MANA代表了在网络层面上对大脑进行逆向工程的进一步进展。
2018-03-30 q-bio.NC
The principles of adaptation in organisms and machines II: Thermodynamics of the Bayesian brain
本文从贝叶斯推断的角度回顾了生物体如何通过神经网络的动力学来学习和认识世界，并介绍了一种关于神经活动熵定律如何描述这种动力学的观点，我们称之为贝叶斯大脑热力学。贝叶斯脑假说将神经元的刺激诱发活动视为基于生物体所拥有的外部世界的生成模型构建贝叶斯后验分布的行为。仔细观察早期感觉皮层的刺激诱发活动，发现前馈连接最初介导刺激反应，随后由来自循环连接的输入调制。重要的是，不是最初的反应，但延迟调制表达动物的认知状态，如对刺激的意识和注意力。使用一个简单的生成模型的尖峰神经元群体，我们再现刺激诱发的动态与延迟反馈调制的贝叶斯推断的过程，集成的刺激证据和先验知识与时间延迟。然后，我们介绍了一个热力学的观点，这个过程的基础上的法律熵的神经活动。这种观点阐明了贝叶斯推断的过程作为最近提出的信息理论引擎（神经引擎，热力学中热机的模拟），它允许我们量化延迟调制中表达的感知能力的熵。
2020-06-23 q-bio.NC stat.ML
Relating transformers to models and neural representations of the hippocampal formation
University of Oxford（牛津大学）；Stanford University（斯坦福大学）；University College London（伦敦大学学院）
许多松散地基于大脑网络的深度神经网络架构最近被证明可以复制在大脑中观察到的神经放电模式。Transformer神经网络是最令人兴奋和最有前途的新架构之一，它的开发没有考虑大脑。在这项工作中，我们表明，当配备重复位置编码时，Transformers可以复制海马结构精确调整的空间表示;最明显的是位置和网格细胞。此外，我们表明，这一结果并不令人惊讶，因为它与神经科学目前的海马模型密切相关。我们还表明，Transformer版本提供了显着的性能增益超过神经科学版本。这项工作继续绑定人工和大脑网络的计算，提供了对大脑皮层相互作用的新理解，并表明更广泛的皮层区域如何执行超出当前神经科学模型的复杂任务，如语言理解。
2022-03-15 cs.LG cs.NE q-bio.NC
Bistable firing pattern in a neural network model
过度的神经同步与癫痫发作有关，癫痫发作是世界上最常见的脑部疾病之一。因此，更好地了解神经同步机制可以帮助控制甚至治疗癫痫。在本文中，我们研究神经同步的随机网络中的节点是神经元与兴奋性和抑制性突触，每个节点的神经活动提供的自适应指数积分和消防模型。在这个框架中，我们验证了抑制的影响的减少可以产生同步起源于一种模式的despersonised尖峰。由不同的突触耦合引起的从去同步尖峰到同步活动爆发的过渡出现在由于双稳态而存在的异常（过高的同步）制度的滞后环中。我们验证，在双稳态制度的参数，一个方波电流脉冲可以触发过高（异常）同步，一个过程，可以重现癫痫发作的功能。然后，我们表明，它是可能的，以抑制这种异常的同步，通过施加一个小幅度的外部电流在网络中的神经元不到10%。我们的研究结果表明，外部电刺激不仅可以触发同步行为，更重要的是，它可以用作减少异常同步的手段，从而有效地控制或治疗癫痫发作。
2019-03-18 physics.bio-ph q-bio.NC
Expressive probabilistic sampling in recurrent neural networks
University of Washington（华盛顿大学）；Paul G. Allen School of Computer Science & Engineering（保罗·G·艾伦计算机科学与工程学院）；Center for Neurotechnology（神经技术中心）；Department of Applied Mathematics（应用数学系）；Computational Neuroscience Center（计算神经科学中心）
本研究提出储层采样器网络（RSNs），通过去噪分数匹配训练递归神经回路，实现从任意概率分布的高效朗之万采样，为下一代基于采样的脑模型奠定基础。
2023-11-14 cs.AI cs.NE q-bio.NC
Millisecond-scale motor encoding in a cortical vocal area
对运动控制的研究几乎普遍地检查了放电率，以研究大脑如何塑造行为。然而，原则上，神经元可以通过其脉冲序列的精确时间模式以及（或代替）其放电速率来编码信息。虽然在感觉系统中已经证明了尖峰时间的重要性，但运动区的时间差异是否会影响行为还很不清楚。我们测试了这一假设，即在鸣禽发声运动系统中，关于试验行为变化的重要信息由尖峰时间表示。我们发现，前运动神经元通过尖峰时间传递信息的频率远远高于通过尖峰频率，并且在毫秒时间尺度上传递的信息量大大超过了从尖峰计数中获得的信息。这些结果表明，信息可以表示的尖峰时间在运动电路，并建议，时间的变化引起的行为差异。
2014-04-14 q-bio.NC
Plastic neural network with transmission delays promotes equivalence between function and structure
本研究构建具有突触延迟的Hodgkin-Huxley塑性神经网络，揭示延迟与可塑性协同促进子网络间结构耦合，实现功能与结构的等价性。
2023-04-17 physics.app-ph q-bio.NC
Synergy from Silence in a Combinatorial Neural Code
神经元群代表外部世界事件的方式是神经科学的基础。在这里，我们分析的人口代码的视网膜在自然的刺激和特定的多神经元放电模式所传达的信息可以是非常不同的模式的部分的总和。同步尖峰信号传递的信息比任何一个参与细胞都多，但几乎总是小于它们的总和，使它们成为冗余的编码符号。令人惊讶的是，尖峰和沉默的模式大多是协同作用的-携带的信息，只有通过观察整个活动模式，而不是其组成部分，并表示刺激的独特功能才能访问。这些结果表明，视网膜使用组合代码，大脑可以从识别多神经元放电模式中受益匪浅。
2006-07-13 physics.bio-ph q-bio.MN q-bio.NC
Functional Connectome: Approximating Brain Networks with Artificial Neural Networks
University College London（伦敦大学学院）
我们的目的是探索深度学习的能力，以近似生物神经回路的功能-功能连接体。使用深度神经网络，我们使用从综合构建的神经回路以及从经验支持的边界向量单元-位置单元网络中提取的发射率观察值进行监督学习。使用一系列标准和任务量化训练网络的性能。我们的研究结果表明，深度神经网络能够以高精度捕获合成生物网络执行的计算，并且具有高度的数据效率和对生物可塑性的鲁棒性。我们表明，经过训练的深度神经网络能够在新的环境中执行zero-shot概括，并允许执行大量任务，例如高精度地解码动物在空间中的位置。我们的研究揭示了系统神经科学中一个新颖而有前途的方向，并且可以扩展到许多下游应用，例如目标导向的强化学习。
2022-11-23 cs.LG cs.NE q-bio.NC
Cortical phase transitions, non-equilibrium thermodynamics and the time-dependent Ginzburg-Landau equation
在脑功能活动中观察到幅度调制和相位调制的神经元集合体的形成。对这种结构形成的研究要求分析必须按层次层次组织，微观、中观、宏观，每一层次都有其特有的时空尺度和大脑产生和使用的各种形式的能量，包括电、化学、热。在本文中，我们讨论了介观和宏观水平下的微观动力学，并把我们的注意力集中在非平衡相变的热力学。我们得到了含时的Ginzburg-Landau方程的非定常制度，并考虑形成的拓扑非平凡的结构，如涡的解决方案。本文还讨论了在脑功能活动中观察到的幂律，并将其与表征脑的多体耗散模型的相干态联系起来。
2011-10-14 physics.bio-ph q-bio.NC quant-ph
Statistical Properties of Avalanches in Networks
我们刻画了在复杂网络中传播的雪崩的规模和持续时间的分布。我们所说的雪崩是指由网络节点的外部刺激“激发”所引发的一系列事件，这些事件可能以某种概率刺激与之相连的节点的后续触发，从而导致触发的级联。这种类型的过程与各种各样的情况有关，包括神经科学，电网上的级联故障和神经病学。我们发现，雪崩的统计特征可以在一个适当的邻接矩阵编码的网络结构的最大特征值和相应的特征向量。以往的平均场分析方法没有考虑网络结构对雪崩规模和持续时间分布的影响。我们的研究结果适用于个人网络（而不是网络合奏），并提供表达式的规模和持续时间的分布雪崩开始在网络中的特定节点。这些发现可能会应用于网络分支过程的分析，例如级联电网故障和关键的大脑动力学。特别是，我们的研究结果表明，一些实验签名的关键脑动力学（即，神经元雪崩的大小和持续时间的幂律分布）对于复杂的底层网络拓扑是鲁棒的。
2012-04-17 cond-mat.dis-nn nlin.CG physics.soc-ph
A Generalized Rate Model for Neuronal Ensembles
神经元网络中的信息是由放电频率编码还是由放电时间编码传递一直存在争议。结合脑-机接口（BMI）等最新研究成果，对两种编码的竞争现状进行了简要综述。然后我们提出了一个基于{ \it有限} $N$ -单元Langevin模型的广义速率模型，用于理解含$N$神经元簇的放电特性。利用Fokker-Planck方程（FPE）方法研究了该速率模型的定态性质。我们的速率模型，以产生各种平稳分布，如由非高斯，包括伽玛，反高斯分布和对数正态分布的interspike-interval分布表示。本文用作者[H。长谷川，物理学会，日本75（2006）033001]。从AMM中的宏观观点来看，$N$ -单元神经元簇的性质用{ \it三个}量来表示; $μ$，$R=(1/N) \sum_i r_i$的尖峰发放速率的平均值，其中$r_i$表示簇中神经元$i$的发放速率：$γ$，局部变量的平均波动（$r_i$）：$ρ$，全局变量的波动（$R$）.我们得到了这三个量的运动方程，表明弱耦合时存在$ρ\sim γ/N$。这意味着群体速率码通常比单神经元速率码更可靠。我们的速率模型被扩展并应用于包含多个神经元簇的系综。
2007-03-20 cond-mat.dis-nn q-bio.NC
From Cortical Synchronous Rhythm to Brain Inspired Learning Mechanism: An Oscillatory Spiking Neural Network with Time-Delayed Coordination
Department of Psychiatry & Department of Computer Science（精神病学系与计算机科学系）
本文提出一种脑启发学习机制，通过迭代的自下而上和自上而下交互，实现认知层面的神经同步，利用振荡同步实现高效信息处理。
2026-05-03 cs.AI cs.LG q-bio.NC
PaceLLM: Brain-Inspired Large Language Models for Long-Context Understanding
School of Information Science and Technology, Fudan University（复旦大学信息科学与技术学院）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；The Chinese University of Hong Kong（香港中文大学）
PaceLLM通过引入持久活动机制和皮层专家聚类，解决大语言模型在长上下文中的信息衰减和语义碎片化问题，提升多文档问答和无限基准任务性能，扩展上下文长度至200K tokens。
2026-04-10 cs.CL cs.NE q-bio.NC
A structural and a functional aspect of stable information processing by the brain
本文提出了一种由循环子回路组成的脑神经回路模型。一个大回路被定义为由从感觉神经元到大脑最高处理区域的前馈路径和从该区域返回到接近相同感觉神经元的反馈路径组成。数学上已经证明了一些较小的周期可以放大信号。一个大的环路是通过对比和放大原理来处理信息的。我们假设，从放电神经元发出的脉冲序列将其产生的所有信息编码为输出。可以通过傅里叶变换提取一段时间内的该信息。以矢量形式排列的傅立叶系数将唯一地表示一段时间内的神经脉冲序列。在一段时间内从给定神经回路中的所有神经元发出的信息将由多维向量空间中的点的集合表示。这一簇点代表了神经回路的功能或行为形式。有人提出，大脑根据存储在回路中的记忆和回路的突触可塑性交互地选择一组特定的向量来表示新的行为。有人提出，在这种情况下，一个库仑力一样的表达式支配的电路和系统的稳定性的运作的动态达到的所有最小值的潜在功能从力一样的表达式。计算已经完成相对于一个伪度量定义在一个多维向量空间。
2007-06-16 q-bio.NC q-bio.QM
Brain-inspired Graph Spiking Neural Networks for Commonsense Knowledge Representation and Reasoning
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
人脑中的神经网络如何表征常识知识，并完成相关的推理任务，是神经科学、认知科学、心理学和人工智能的重要研究课题。传统的人工神经网络使用固定长度的向量来表示符号，虽然在某些特定任务中获得了不错的性能，但它仍然是一个缺乏可解释性的黑盒子，与人类感知世界的方式相去甚远。受神经科学中的祖母细胞假说的启发，本文研究了群体编码和尖峰时间依赖可塑性（STDP）机制如何被整合到脉冲神经网络的学习中，以及一个神经元群体如何通过引导不同神经元群体之间完成顺序放电来表示一个符号。不同社区的神经元群体共同构成了整个常识知识图谱，形成了一个巨图脉冲神经网络。此外，我们引入了奖励调制尖峰时间依赖可塑性（R-STDP）机制来模拟生物强化学习过程，并相应地完成相关的推理任务，实现了与图卷积人工神经网络相当的精度和更快的收敛速度。对于神经科学和认知科学领域，本文的工作为进一步探索人类大脑表征常识知识的方式提供了计算建模的基础。在人工智能领域，通过构造一种常识性的知识表示和推理出具有坚实生物相容性的脉冲神经网络，为实现更健壮、更可解释的神经网络指明了探索方向。
2022-07-11 cs.AI cs.LG cs.NE
Application and Computation of Probabilistic Neural Plasticity
神经可塑性的发现证明，在人的一生中，大脑通过形成新的神经连接进行重组。新的神经连接的形成是通过大脑努力适应新环境或现有环境的变化来实现的。尽管神经可塑性的实现，有一个缺乏了解的概率神经可塑性发生给定的一些事件。使用常微分方程，神经放电方程和尖峰序列统计，我们展示了如何添加剂的短期记忆（STM）方程可以制定接近神经可塑性的计算。然后，我们展示了如何添加剂STM方程可以用于概率推理的可计算的神经可塑性，和概率神经可塑性的计算。我们还将简要介绍概率神经可塑性理论，并总结如何将其应用于多个学科，如行为科学，机器学习，人工智能和精神病学。
2020-08-07 cs.CE cs.NE q-bio.NC
A Data-Driven Biophysical Computational Model of Parkinson's Disease based on Marmoset Monkeys
University of Sao Paulo（圣保罗大学）；Heriot-Watt University（赫瑞-瓦特大学）；University of Campinas（坎皮纳斯州立大学）；Federal University of Espirito Santo（圣灵联邦大学）；Federal University of Rio Grande do Norte（北里奥格兰德联邦大学）
在这项工作中，我们提出了一个新的生物物理计算模型的大脑区域相关的帕金森氏病的基础上收集的局部场电位数据从绒猴的大脑。帕金森病是一种神经退行性疾病，与黑质丘脑部多巴胺能神经元的死亡有关，其影响大脑的基底神经节-丘脑-皮质神经元回路的正常动力学。虽然有多种机制的疾病，这些机制和分子发病机制的完整描述仍然缺失，仍然没有治愈。为了解决这一差距，已经提出了类似于动物模型中发现的神经生物学方面的计算模型。在我们的模型中，我们执行了一种数据驱动的方法，其中使用差分进化优化了一组生物约束参数。进化的模型成功地类似于单神经元的平均放电率和光谱特征的局部场电位从健康和帕金森氏症的绒猴大脑数据。就我们而言，这是第一个帕金森病的计算模型，基于对绒猴七个大脑区域的同时电生理记录。结果表明，所提出的模型可以促进调查的机制，PD和支持的技术，可以指示新的治疗方法的发展。它也可以应用于其他计算神经科学问题，其中生物学数据可以用来拟合大脑回路的多尺度模型。
2021-09-01 cs.AI q-bio.NC
Thermodynamic Order Parameters and Statistical-Mechanical Measures for Characterization of the Burst and Spike Synchronizations of Bursting Neurons
我们感兴趣的是表征群体同步的爆发神经元表现出缓慢的爆发和快速的尖峰时间尺度，与尖峰神经元。种群同步可以在实验中获得的神经棘波的光栅图中很好地可视化。瞬时群体放电率（IPFR）$R(t)$可以直接从尖峰脉冲的栅格图中获得，在计算和实验神经科学中经常被用作描述群体行为的真实集体量。对于锋电位神经元，我们在$R(t)$的基础上引入了真实的热力学序参量和物理机械锋电位测度，对锋电位同步进行了实际表征。在这里，我们通过频率滤波分离的缓慢爆发和快速尖峰的时间尺度，并扩展的热力学序参量和爆炸的神经元的情况下的物理机械措施。因此，它示出在明确的例子中，顺序参数和物理力学措施可以有效地用于表征突发和尖峰同步的爆发神经元。
2014-10-06 nlin.CD physics.bio-ph q-bio.NC
Psychophysical identity and free energy
本文提出了一种在生物系统中实现变分贝叶斯推断的方法，即系统的热力学自由能直接编码其变分自由能。在大脑的情况下，这种假设对生成和识别密度的神经元编码施加了限制，特别是需要随机群体代码。由此产生的热力学自由能和变分自由能之间的关系在哲学中的心脑同一性论题和心理物理同构的格式塔假设中得到了预示。
2020-08-05 q-bio.NC
Violations of the fluctuation-dissipation theorem reveal distinct non-equilibrium dynamics of brain states
该研究利用涨落-耗散定理的违背，结合拟合人类神经影像数据的全脑模型，揭示了清醒与深睡眠等脑状态中由非对称相互作用和层级组织导致的非平衡动力学层级。
2023-04-14 physics.bio-ph q-bio.NC
The Hydraulic Brain: Understanding as Constraint-Release Phase Transition in Whole-Body Resonance
Nova University Lisbon – Cairo Branch（里斯本诺瓦大学开罗分校）
本文通过脑-体共振的约束释放相变机制，揭示了生物认知的热力学过程，提出了一种区分生物与人工智能的新框架。
2025-11-22 eess.SP q-bio.NC
Fooling the primate brain with minimal, targeted image manipulation
Harvard Medical School（哈佛医学院）；National University of Singapore（新加坡国立大学）；Harvard University（哈佛大学）；Boston Children’s Hospital（波士顿儿童医院）；Center for Brains, Minds and Machines（大脑、心智与机器中心）
人工神经网络（ANN）被认为是目前最好的生物视觉模型。人工神经网络是腹侧流中神经活动的最佳预测器;此外，最近的工作已经证明，适合神经元活动的人工神经网络模型可以指导图像的合成，从而驱动小神经元群体中的预定义响应模式。尽管成功地预测和引导放电活动，这些结果还没有与感知或行为的变化。在这里，我们提出了一系列的方法来创建最小的，有针对性的图像扰动，导致神经元活动和感知的变化，反映在行为。我们生成了人脸、猴脸和噪声模式的“欺骗性图像”，使它们被感知为不同的、预先指定的目标类别，并测量了猴神经元响应和人类对这些图像的行为。我们发现了几种有效的方法来改变灵长类动物的视觉分类，需要更小的图像变化相比，非目标噪声。我们的工作与对抗性攻击有着相同的目标，即用最小的、有针对性的噪声来操纵图像，这些噪声会导致ANN模型对图像进行错误分类。我们的研究结果是一个有价值的步骤，在量化和表征生物和人工视觉的扰动鲁棒性的差异。
2022-03-30 cs.CV cs.NE eess.IV
Learn to integrate parts for whole through correlated neural variability
本文提出一种统计力学理论，将知觉信息编码于感觉神经元的相关变异性中，并转化为下游放电率，通过脉冲神经网络实现高保真方向恢复和更优图像分类，挑战了神经协方差的次要地位。
2024-01-01 cs.NE physics.bio-ph q-bio.NC
