Synchronization and oscillatory dynamics in heterogeneous mutually inhibited neurons
我们研究了一些机制，负责同步振荡和损失的同步在生理相关的频率（10-200赫兹）在网络的异质性抑制神经元。我们专注于确定网络响应的同步性和频率的水平的因素，以及轻度异质性对网络动态的影响。在轻度异质性的情况下，同步永远不会完美，而且相对脆弱。此外，抑制的影响是更复杂的轻度异构网络比同质的。在前者中，同步性以两种不同的方式被打破，具体取决于突触衰减时间与重复动作电位周期（$τ_s/T$）的比率，其中$T$可以从网络或单个自抑制神经元确定。对于$τ_s/T > 2$，对应于大的施加电流、小的突触强度或大的突触衰减时间，抑制的效果在很大程度上是紧张性的，并且异质神经元相对独立地发放尖峰。使用$τ_s/T < 1$时，当速度较快的细胞开始抑制它们不太兴奋的邻居时，同步性就会中断;而放电的细胞几乎保持同步。我们数值计算表明，轻度异构网络的行为可以与单个的，自我抑制的细胞，这可以分析研究的行为。
1998-02-18 q-bio.NC
Stimulus competition by inhibitory interference
当两个刺激存在于V4神经元的感受野中时，放电速率响应在由每个刺激单独引起的最弱和最强响应之间（Reynolds等人，1999，Journal of Neuroscience 19：1736-1753）。当注意力被引导到引起最强反应的刺激（首选刺激）时，对这对刺激的反应会增加，而当注意力被引导到另一个刺激（不良刺激）时，反应会减少。这些实验结果在一个V4神经元模型中重现，假设注意力调节局部中间神经元网络的活动。V4模型神经元接收来自V2的刺激特异性异步激励和来自V4中的两个局部中间神经元网络的同步抑制输入。每个中间神经元网络由来自V2的刺激特异性兴奋性输入驱动，并由来自额叶眼野的投影调制。刺激竞争是由于来自每个中间神经元网络的同步齐射的到达时间延迟而存在的。对于小的延迟，放电率接近于由优选的刺激单独引起的速率，而对于较大的延迟，它接近于差的刺激的放电率。当任一刺激单独出现时，神经元的反应不会因延迟的变化而改变。该模型表明，自上而下的注意力偏向V2列之间的竞争控制V4神经元通过改变抑制的相对时间，而不是通过改变的程度同步的中间神经元网络。这里提出的放电率的注意调制机制--抑制性干扰的增益调制--可能对皮层信息处理具有更普遍的适用性。
2004-10-18 q-bio.NC
A Computational Analysis of the Function of Three Inhibitory Cell Types in Contextual Visual Processing
大多数皮质抑制细胞类型只表达三种基因之一，小清蛋白，生长抑素和5HT3a。皮层神经元的视觉反应不仅受到局部线索的影响，而且还受到视觉环境的影响。由于抑制性神经元在不同的空间范围和不同的区域具有不同的突触来源和靶点，我们推测它们在上下文加工中具有不同的作用。我们使用模型来关联结构信息功能的初级视觉皮层的小鼠，并调查他们的作用，在上下文视觉处理。我们的发现有三个方面。首先，由小清蛋白阳性（PV）细胞介导的抑制介导了局部处理，并可能成为它们在边界检测中的作用的基础。第二，生长抑素阳性（SST）细胞介导的抑制促进感受野之间更长范围的空间竞争。第三，对表达血管活性肠多肽（VIP）的中间神经元（5HT 3a神经元的一个亚类）的非特异性自上而下调制可以选择性地增强V1反应。
2016-09-12 q-bio.NC
Synchrony-induced modes of oscillation of a neural field model
我们研究了具有非局部、空间依赖耦合的二次积分-激发神经元异质环网络的振荡模式。具有特定波数的平衡态的扰动产生具有特定频率的瞬态驻波，类似于紧张的弦中的驻波。在神经元网络中，平衡对应于空间均匀的异步状态。这种状态的扰动会激发网络的振荡模式，这反映了同步尖峰脉冲与兴奋-抑制空间相互作用的相互作用。在热力学极限下，导出了描述网络宏观动力学的精确低维神经场模型。这使我们能够获得空间均匀态的图灵本征值的公式，从而获得其稳定性边界。我们发现，每个图灵模式的频率取决于相应的傅立叶系数的突触模式的连接。相反，衰减率是相同的所有振荡模式的结果的异质性诱导的去极化的神经元。最后，我们数值计算的频谱的空间不均匀的解决方案分支的图灵分岔，显示类似的振荡模式在神经凸点状态下运行，并保持远离发病。
2017-08-29 nlin.CD nlin.PS q-bio.NC
Randomly connected networks generate emergent selectivity and predict decoding properties of large populations of neurons
神经记录方法的进步使得在行为任务的执行过程中能够从数千个神经元的群体中进行采样，这提出了一个问题，即记录的活动如何与性能基础计算的理论模型相关。在啮齿类动物决策的背景下，最近报道了选择性皮层神经元之间的功能连接模式，以及兴奋性和抑制性群体中广泛分布的选择信息[1]。这些数据的直接解释表明，依赖于特定的解剖连接模式，以实现抑制性和兴奋性神经元的选择性池的机制。我们研究了一种替代机制，这些实验观察的出现，使用计算方法。我们发现，一个随机连接的兴奋性和抑制性神经元网络产生单细胞的选择性，成对相关的模式，和不可区分的兴奋性和抑制性读出权重分布，在记录的神经元群体中观察到的。此外，我们做了易于验证的实验预测，对于这种类型的证据积累任务，没有解剖学定义的代表选择的神经元亚群，并且特定神经元的选择偏好随着任务的细节而变化。这项工作表明，分布刺激的选择性和模式的功能组织的人口代码可能是新兴的随机连接网络的属性。
2019-09-23 q-bio.NC
Multiscale dynamical characterization of cortical brain states: from synchrony to asynchrony
本文综述皮层脑状态从同步到异步的谱系，整合多尺度数据与计算模型，揭示其与意识及无意识的关联，并强调皮层复杂性、功能连接等特征。\n
2025-10-23 q-bio.NC
Cell assembly dynamics of sparsely-connected inhibitory networks: a simple model for the collective activity of striatal projection neurons
纹状体投射神经元形成一个稀疏连接的抑制网络，这种安排可能是必要的适当的时间组织的行为。在这里，我们表明，一个简化的，稀疏的抑制网络的泄漏整合和消防神经元可以重现一些关键特征的纹状体人口活动，在脑切片中观察到[Carrillo-Reid et al.，神经生理学杂志99（2008）1435{1450}。特别是，我们开发了一个新的度量，以确定条件下，稀疏抑制网络形成反相关的细胞组装与随时间变化的活动的个别细胞。我们发现，在这些条件下，网络显示输入特定序列的细胞组装开关，有效地区分类似的输入。我们的结果支持了这样的提议[Ponzi和Wickens，PLoS Comp Biol 9（2013）e1002954]，即纹状体投射神经元之间的GABA能连接允许刺激选择性的、暂时延长的细胞组装体的顺序激活。此外，我们帮助显示如何改变纹状体内GABA能信号可能会产生异常的网络水平的信息处理的疾病，如帕金森氏症和亨廷顿氏病。
2015-11-21 nlin.CD q-bio.NC
Frequency locking and travelling burst sequences in community structured network of inhibitory neurons with differing time-scales
我们报告了一个具有抑制性突触的混沌Hindmarsh-Rose（HR）神经元社区结构模块化网络的涌现动力学。我们发现，神经元模块之间的抑制耦合导致一个模块中的神经元的完全同步，也推动模块到有趣的序列的旅行突发模式。当不同模块中的神经元的动力学时间尺度不同，从而打破了它们之间的对称性时，我们会看到特定的旅行突发模式序列，这些模式是时间尺度失配和耦合强度的特征。因此，对于具有两个时间尺度的模块化网络，神经元群落进入同步锁频簇，其中突发序列具有重复模式。我们的研究提供了一个完整的表征的时空规律性的频率锁定的时间顺序和突发序列模式的空间顺序的集体动力学的神经元集群。我们的研究结果在信息编码过程中神经元之间的放电动力学的频率和选择性通信的基础上的序列的突发的意义。
2018-03-22 nlin.CD q-bio.NC
Ensemble Inhibition and Excitation in the Human Cortex: an Ising Model Analysis with Uncertainties
成对最大熵模型，也被称为伊辛模型，已被广泛用于分析神经元的集体活动。然而，在文献中仍然存在争议，似乎不一致的结果，其意义是不清楚，由于缺乏可靠的误差估计。因此，我们开发了一种方法，用于准确估计参数不确定性的基础上，在参数空间中使用自适应马尔可夫链蒙特卡罗的主要优化算法的收敛后的随机游动。我们将我们的方法应用于多电极阵列记录在人类颞叶皮层的兴奋性和抑制性神经元在清醒-睡眠周期的尖峰模式。我们的分析表明，伊辛模型捕捉神经元的集体行为比独立的模型在清醒，浅睡眠，和深睡眠时，兴奋性（E）和抑制性（I）神经元建模;忽略I-神经元的抑制作用显着高估E-神经元之间的同步。此外，信息论的测量表明，伊辛模型解释了大约80%-95%的相关性，这取决于睡眠状态和神经元类型。热力学测量显示出临界状态的特征，尽管我们对此持保留态度，因为它可能仅仅是长距离神经相关性的反映。
2018-10-16 cond-mat.dis-nn q-bio.NC q-bio.QM
Intermittent synchronization in a network of bursting neurons
抑制性和兴奋性耦合爆发神经元网络中的同步振荡在从中枢模式发生器到人脑回路的各种神经系统中很常见。后者的一个例子是基底神经节的皮质下网络，由丘脑底核和苍白球的兴奋性和抑制性爆发形成，参与运动控制并在帕金森病中受到影响。最近的实验已经证明了该网络中神经活动锁相的间歇性。在这里，我们探索一种潜在的机制来解释网络中的间歇性锁相。我们简化了网络，以获得两个抑制耦合元件的模型，并探讨其动力学。我们使用几何分析和奇异摄动方法的动力系统，以减少完整的模型，以一个更简单的方程组。数学分析是使用三个慢变量与两个不同的时间尺度。间歇性同步振荡是由重叠尖峰脉冲产生的，其关键取决于慢相平面的几何形状和慢变量之间的相互作用以及突触的强度。两个慢变量负责产生重叠尖峰的活动模式，另一个较慢的变量增强了不规则和间歇性活动模式的鲁棒性。虽然所分析的网络和所探索的间歇性同步机制似乎是相当通用的，但该分析的结果可用于追踪生物物理参数（突触强度和钙动力学参数）的特定值，已知这些参数在帕金森病中受到影响。
2011-09-12 nlin.CD q-bio.NC
The effect of heterogeneity on decorrelation mechanisms in spiking neural networks: a neuromorphic-hardware study
高级脑功能，如记忆，分类或推理，可以通过简化模型神经元的递归网络来实现。模拟神经形态硬件构成了用于在技术应用和神经科学研究中实现这种神经计算架构的快速且节能的基底。神经网络的功能性能通常严重依赖于神经活动中的相关性水平。在有限网络中，由于共享的突触前输入，相关性通常是不可避免的。最近的理论研究表明，生物神经网络中大量存在的抑制性反馈可以主动抑制这些共享输入相关性，从而使神经元几乎独立地放电。对于尖峰神经元的网络，抑制反馈的去相关效应到目前为止已经明确地证明了只有线性亚阈值动力学的同质神经元网络。然而，理论表明，这种效应是一种普遍现象，存在于任何具有足够抑制反馈的系统中，与网络结构或神经元和突触特性的细节无关。在这里，我们研究网络异质性的影响，在稀疏的，随机网络的抑制性神经元与非线性，基于电导的突触的相关性。模拟神经形态硬件系统Spikey上的这些网络的仿真，使我们能够测试的效率去相关抑制反馈中存在的硬件特定的异质性。硬件基板的可配置性使我们能够以系统的方式调节异质性的程度。我们选择性地研究了共享输入和循环连接对膜电位和脉冲序列相关性的影响。我们的结果证实...
2016-06-09 q-bio.NC
Competition, stability, and functionality in excitatory-inhibitory neural circuits
University of California at San Diego（加州大学圣地亚哥分校）；Rice University（莱斯大学）
通过博弈-能量框架和网络稳定性原理，研究不对称兴奋-抑制神经网络的动力学、调控及其在侧抑制微电路对比增强中的作用。
2026-06-03 cond-mat.dis-nn math.OC q-bio.NC
Emergence and maintenance of modularity in neural networks with Hebbian and anti-Hebbian inhibitory STDP
本研究提出仅基于放电时间的STDP规则模型，无需控制机制即可在尖峰神经网络中涌现稳定模块，Hebbian与anti-Hebbian抑制性亚群分别控制活动与选择性，自发回放巩固长期记忆。
2025-02-18 nlin.AO q-bio.NC
The correlation structure of local cortical networks intrinsically results from recurrent dynamics
长期以来，神经元对在短时间间隔内的动作电位的共同出现是已知的。这样的同步事件可以出现时间锁定到动物的行为，并且理论上的考虑也主张同步的功能作用。早期的理论工作试图解释神经元由于共享输入而传递共同波动的相关活动。然而，这高估了相关性。最近，皮层网络的经常性连接被证明是观察到的低基线相关性的原因。有两种不同的解释：一种认为，兴奋性和抑制性群体活动密切关注网络的外部输入，因此它们对一对细胞的影响相互抵消。另一种解释依赖于负的经常性反馈来抑制种群活动的波动，相当于小的相关性。在生物神经元网络中，人们期望外部输入和重现两者都影响相关的活动。目前的工作扩展了相关性的理论框架，包括两个贡献，并解释了它们的质的差异。此外，研究表明，快速跟踪和经常性反馈的论点是不等价的，只有后者正确预测的细胞类型的具体相关性。
2013-09-13 q-bio.NC
From anatomy to computation: axonal delay dispersion shifts neurons from event to sequence detection
Department of Computer Science, Princeton University（普林斯顿大学计算机科学系）
该研究提出延迟特征框架，发现轴突延迟弥散度决定神经元检测事件或序列，其可设定编码极限，且与传导速度共同预测皮质柱直径，揭示了解剖参数对神经元计算的调控作用。
2026-10-19 cs.NE q-bio.NC
Graphene oxide nanosheets disrupt lipid composition, Ca2+ homeostasis and synaptic transmission in primary cortical neurons
石墨烯有可能对社会产生非常重大的影响，在生物医学领域具有重要的应用。在神经元界面设计石墨烯基医疗设备的可能性特别令人感兴趣，因此必须确定石墨烯材料与神经元细胞的生物相容性。在这里，我们进行了一个全面的分析大鼠原代皮层神经元的慢性和急性暴露于几层原始石墨烯（GR）和单层氧化石墨烯（GO）薄片的影响。通过结合一系列细胞生物学，显微镜，电生理学和组学方法，我们表征了石墨烯神经元相互作用，从膜接触和内化的第一步到对细胞活力，突触传递和细胞代谢的长期影响。发现GR/GO薄片与神经元膜接触，游离于细胞质中并通过内溶酶体途径内化，对神经元活力没有显著影响。然而，GO暴露选择性地引起兴奋性传递的抑制，兴奋性突触接触的数量减少，并伴随抑制活性的增强。这是伴随着诱导的自噬，改变Ca 2+动力学和下调的一些主要参与者在兴奋性和抑制性神经元的Ca 2+稳态的调节。我们的研究结果表明，尽管石墨烯暴露不会影响神经元的活力，但它确实对神经元的传输和网络功能有重要影响，因此在计划将这种材料用于神经生物学应用时应谨慎。
2018-10-29 physics.bio-ph q-bio.NC
Collective stability of networks of winner-take-all circuits
新皮层有一个非常统一的神经元组织，这表明在其整个范围内都采用了共同的处理原则。特别是，在视觉皮层的表层观察到的连接模式与合作竞争回路（如软赢家通吃（WTA））所需的经常性兴奋和抑制反馈是一致的。WTA电路提供了有趣的计算特性，如选择性放大，信号恢复和决策。但是，这些特性取决于从正反馈获得的信号增益，因此在提供足够强的反馈以支持复杂计算与保持整体电路稳定性之间存在关键的权衡。我们考虑的问题是如何在非常大的分布式网络的这种电路的稳定性的原因。我们接近这个问题，通过近似许多相互关联的合作竞争模块的常规皮层架构。我们证明，通过正确理解这个小的计算模块的行为，可以推理由这些模块组成的非常大的网络的稳定性和收敛性。我们得到的参数范围内，WTA电路工作在一个高增益制度，是稳定的，可以任意聚合，形成大型稳定的网络。我们使用非线性收缩理论建立在完全非线性的情况下的稳定性条件，并验证这些解决方案，使用数值模拟。导出的界限允许WTA网络是多稳定的，并表现出依赖于状态的持续活动的操作模式。我们的方法足够普遍，可以系统地推理任何网络的稳定性，无论是生物网络还是技术网络，都是由通过共享抑制表达竞争的小模块网络组成的。
2011-05-16 cond-mat.dis-nn cs.NE 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
