Neuronal avalanches of a self-organized neural network with active-neuron-dominant structure
神经元雪崩是一种自发的神经元活动,其服从指数为-3/2的群体事件大小的幂律分布。在皮质浅层中观察到\emph{in vivo}和\emph{in vitro}。本文分析了一种新的具有主动神经元主导结构的自组织神经网络的信息传输。在适当的输入强度下,可以观察到神经元雪崩。我们发现,通过尖峰时间依赖可塑性的网络学习过程大大增加了网络结构的复杂性,最终自组织为活跃神经元主导的连接。当网络动力学以神经元雪崩的形式传播时,活动模式的熵和它们产生的突触后输入的复杂性都最大化。这种涌现的拓扑结构有利于高效率的信息传输,也可能是该网络与具有不同神经连接的替代原型网络相比具有更大信息容量的原因。
2012-04-30 nlin.AO q-bio.NC
Neuronal avalanches imply maximum dynamic range in cortical networks at criticality
自发性神经元活动是大脑皮层的普遍特征。它的时空组织反映了过去的输入和调制未来的网络输出。在这里,我们研究一种特定类型的自发活动是否是由一个为输入处理而优化的网络产生的。神经元雪崩是一种在体外和体内观察到的皮层浅层自发活动,具有“临界状态”网络的统计特性。理论预测,临界状态,因此,神经元雪崩是最佳的输入处理,但到目前为止,这是在实验中未经检验。在这里,我们使用平面微电极阵列上生长的皮层切片培养物来证明产生神经元雪崩的皮层网络受益于最大化的动态范围,即响应最大范围刺激的能力。通过改变文化中的兴奋和抑制的比例,我们推导出一个网络调谐曲线的刺激处理的距离的函数与我们的模拟预测的临界状态。我们的研究结果表明,在皮层中,(1)平衡的兴奋和抑制建立了临界状态,这最大化了可以处理的输入范围;(2)自发活动和输入处理在临界现象的背景下是统一的。
2009-11-09 q-bio.NC
Self-organising mechanism of neuronal avalanche activity
提出了一个自组织模型来解释从最近的观察神经元雪崩推导出的皮质网络的临界性。对自组织临界性(SOC)的普遍理解表明,能量守恒对它的出现至关重要。然而,神经元网络本质上是非保守的,如微电极记录所示。这里提出的模型表明,SOC也可以出现在非保守系统中,如果内部驱动。有证据表明,突触的背景活动提供了内部驱动器的非保守的皮层网络,以达到和维持一个临界状态。当网络大小$N$足够大使得$ηN\sim 10^3$.对于小网络,强背景导致癫痫样活动,与癫痫的神经生理学知识一致。
2007-01-11 nlin.AO q-bio.NC
The balance between excitation and inhibition controls the temporal organization of neuronal avalanches
神经元雪崩,在体外和体内测量,表现出强大的临界行为。它们的时间组织隐藏了相关性的存在。在这里,我们提出了在体外大鼠皮层连续雪崩之间的等待时间分布的实验测量。这表现出一种非单调的行为,在其他自然过程中通常不会发现。数值模拟提供的证据表明,这种行为是一个结果的交替状态的高和低的活动,命名为向上和向下的状态,导致一个平衡的兴奋和抑制之间的控制由一个单一的参数。在这些期间,单个神经元状态和网络兴奋性水平,保持过去活动的记忆,由稳态机制调整。
2012-04-27 cond-mat.stat-mech q-bio.NC
Measuring neuronal avalanches in disordered systems with absorbing states
幂律形状的雪崩大小分布被广泛用于探测许多不同系统中的临界行为,特别是在神经网络中。雪崩的定义是模糊的。通常,理论雪崩被定义为刺激和松弛到非活性吸收状态之间的活动。另一方面,实验性神经元雪崩是由连续沉默状态之间的活动定义的。我们认为,后者的定义可以扩展到一些理论模型,以表征他们的幂律雪崩和临界行为。我们研究了一个系统,其中的驱动和弛豫时间尺度的分离出现从它的结构。我们将雪崩的两种定义应用于我们的模型。两者都产生幂律分布的雪崩,如预期的那样,在临界点与系统大小成比例。然而,我们发现限制幂律分布的雪崩的临界区域外的实验过程中,这是不期望的标准理论定义。我们注意到,这些结果是依赖于模型的细节。
2018-05-19 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
pyAvalanches: A Python Package for Analyzing Spatiotemporal Propagation in Neuronal Avalanches
Sorbonne Université, Paris Brain Institute-ICM, Inria, Inserm, AP-HP, Hôpital de la Pitié Salpêtrière(索邦大学,巴黎脑研究所-ICM,Inria,Inserm,AP-HP,皮蒂埃萨尔佩特里耶医院);University of Naples “Parthenope”(那不勒斯帕耳忒诺珀大学);Aix-Marseille University(艾克斯-马赛大学)
pyAvalanches是一个开源Python包,提供标准化端到端流程,通过计算雪崩转移矩阵分析神经元雪崩的时空传播,促进可重复研究并支持开发新型生物标志物。
2026-10-30 q-bio.NC
Assessment and manipulation of the computational capacity of in vitro neuronal networks through criticality in neuronal avalanches
在这项工作中,我们报告了体外神经元网络的电生理行为的初步分析,以确定网络处于临界状态时,基于网络范围的雪崩活动的大小分布。这里提出的结果表明,选择适当的参数的大小分布的评价的重要性,并表明,它是可能的扰动网络显示高度同步-或超临界-行为进入临界状态,通过增加网络中的抑制水平。关键网络与非关键网络的分类在识别可以预期在计算任务上表现良好的网络方面是有价值的,因为关键性被广泛认为是系统最适合计算的状态。这种类型的分析预计能够识别非常适合计算的网络,并将网络分类为扰动或健康。这项研究是一个更大的研究项目的一部分,其总体目标是开发能够重现在体外神经元网络中观察到的目标行为的计算模型。这些模型最终将被用来帮助实现这些行为的纳米磁体阵列中使用的新型计算硬件。
2019-07-29 q-bio.NC
Novel Kuramoto model with inhibition dynamics modeling scale-free avalanches and synchronization in neuronal cultures
University of Campania ”Luigi Vanvitelli”(坎帕尼亚路易吉·范维特利大学);University of Genova(热那亚大学);Istituto Italiano di Tecnologia (IIT)(意大利理工大学);RCCS Ospedale Policlinico San Martino(圣马蒂诺大学临床医院);National Institute for Nuclear Physics (INFN)(意大利国家核物理研究所)
本文提出了一种新颖的Kuramoto模型,用于模拟神经元培养中规模无关性湍流与同步现象,通过抑制动态再现实验数据并揭示时间组织中的相关性。
2025-12-19 cond-mat.dis-nn q-bio.NC
Information capacity and transmission are maximized in balanced cortical networks with neuronal avalanches
皮层网络可以产生的神经活动模式的库限制了网络传输和处理信息的能力。在这里,我们测量的活动模式获得的多站点局部场电位(LFP)记录在皮层文化,氨基甲酸乙酯麻醉大鼠,清醒的猕猴。首先,我们量化的信息容量的模式剧目的持续和刺激诱发的活动使用香农熵。接下来,我们用互信息量化了刺激和反应之间的信息传递效率。通过系统地改变兴奋/抑制(E/I)在体外和网络模型中的比例,我们发现,在一个特定的中间E/I的信息容量和信息传输是最大化的,在这个中间E/I,正在进行的活动出现神经元雪崩。接下来,我们使用我们的体外和模型结果来正确预测体内信息容量和正在进行的活动中神经元组之间的相互作用。我们的实验和模型之间的密切协议表明,神经元雪崩和峰值信息容量的出现是由于临界性,是具有平衡的E/I的皮层网络的一般属性。
2010-12-16 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
Balance of excitation and inhibition determines 1/f power spectrum in neuronal networks
在电生理信号的功率谱中观察到的$1/f$样衰减,以及所谓的神经元雪崩的无标度统计,构成了神经元系统临界性的证据。最近的体外研究表明,临界状态下的雪崩动力学对应于某种特定的兴奋和抑制平衡,从而表明这是神经元网络临界状态的基本特征。特别是,缺乏抑制显着改变了自发雪崩活动的时间结构,并导致异常丰富的大型雪崩。在这里,我们研究了网络抑制和雪崩活动的功率谱密度(PSD)的标度指数$β$之间的关系在自组织临界性(SOC)的神经元网络模型的启发。我们发现,这个标度指数依赖于抑制性突触的百分比,并倾向于值$β= 1$的百分比约为30%。更具体地,$β$接近于$2$,即布朗噪声,对于纯兴奋性网络,并且随着抑制性突触的百分比范围在20%和30%之间,$β$朝向间隔$[1,1.4]$中的值减小,这与实验发现一致。这些结果表明,抑制的水平会影响静息脑活动的频谱,并建议分析PSD缩放行为作为一种可能的工具来研究病理条件。
2017-08-29 cond-mat.stat-mech q-bio.NC
Avalanches of Activation and Spikes in Neuronal Complex Networks
如最近所示(arXiv:0801.3056),涉及非线性积分和激发动力学的几种类型的神经元复杂网络沿着其瞬态状态表现出突然激活。有趣的是,这种激活雪崩也被发现强烈依赖于网络的拓扑结构:虽然Erdens-Rény,Barabási-Albert,路径正则和路径转换BA模型表现出明确的雪崩;而Watts-Strogatz和地理结构则呈现出激活在节点之间的逐渐分散。目前的工作调查这样的现象,通过考虑一个网络的平均场等效模型,这是强烈的同心邻域和度的概念上成立。结果表明,层次的节点数和层次度定义的强度和时间的雪崩。这种方法还允许在瞬态动态期间识别开始激活时间,这对于社区识别特别重要(arXiv:0801.4269,arXiv:0801.4684)。在这项工作中的主要概念和结果说明相对于理论和现实世界(\emph{C. elegans})的网络。几个结果的报告,包括二次雪崩的识别,验证的等效模型,识别可能的普遍性的雪崩大多数网络(仅取决于网络的大小),以及识别的事实,即不同的雪崩可以通过定位在不同的神经元的\emph{C. elegans}网络的激活源。
2008-02-04 cond-mat.dis-nn physics.comp-ph physics.soc-ph
Synaptic Noise Facilitates the Emergence of Self-Organized Criticality in the Caenorhabditis elegans Neuronal Network
在神经元网络中观察到了具有幂律分布尺寸参数的雪崩。这可能是自组织临界性(SOC)的一种表现。然而,这种行为的生理机制目前尚不清楚。将突触噪声描述为主要源于神经递质释放的概率性质的传输故障,本研究探讨了这种噪声作为驱动神经元网络的功能结构向SOC的机制的潜力。为此,一个简单的有限状态神经元模型,具有活动依赖性和突触特异性故障概率,是基于已知的线虫Ceanorhabditis elegans的解剖连接数据建立的。从随机值开始,观察到突触噪声水平挑选出一组突触,从而产生幂律分布的神经元雪崩的活跃子网络。这项研究的结果提出了一种可能性,即突触失效可能是神经元网络中SOC的生理过程的一个组成部分。
2017-05-22 q-bio.NC
Maximum entropy models of neuronal populations at and off criticality
University of Campania “Luigi Vanvitelli”(坎帕尼亚路易吉范维特利大学);Department of Biomedical Sciences, University of Padova(帕多瓦大学生物医学系);Section on Critical Brain Dynamics, National Institute of Mental Health(国家心理健康研究所关键脑动力学组);Universidade Federal do Ceará(塞阿拉联邦大学)
通过最大熵模型和雪崩动力学分析,发现静态最大熵模型能区分亚临界与临界/超临界系统,但无法区分临界与超临界,表明动力学对捕捉超临界行为至关重要。
2026-09-30 q-bio.NC
Dynamical aspects of Kinouchi-Copelli model: emergence of avalanches at criticality
我们分析了木之内-科佩利模型中神经活动爆发的行为,该模型最初是为了解释感觉系统中的信息处理问题。我们表明,在一个临界条件下,幂律行为出现的突发(雪崩)的大小和持续时间,在真实的生物系统中实验观察到的指数。
2011-12-27 physics.bio-ph q-bio.NC
Activity-dependent neuronal model on complex networks
神经元雪崩是神经元网络中的一种新的活动模式,在体外和体内实验中发现,并表现出强大的临界行为:这些雪崩的特征是大小和持续时间的幂律分布,在复杂系统的物理学背景下的其他问题中发现的特征。我们提出了一个最近的模型的灵感来自自组织临界性,它包括一个电网络的阈值放电,不应期和活动依赖的突触可塑性。该模型再现了实验测得的雪崩大小和持续时间的分布的临界行为。此外,电信号的功率谱非常鲁棒地再现了在人类脑电图(EEG)谱中发现的幂律行为。我们在各种复杂网络上实现了该模型,即规则,小世界和无标度网络,并验证了临界行为的鲁棒性。
2012-03-30 physics.bio-ph q-bio.NC
From Neuronal Spikes to Avalanches -- Effects and Circumvention of Time Binning
分支迁移是神经元回路中观察到的随机过程的最常见模型之一。然而,它不是直接观察到的,并且为了创建类似分支的过程,通过将时间仓附加到尖峰来处理观察到的尖峰时间序列。它已被证明,结果,如关键性和大小分布取决于所选择的时间箱。因此,本文提出了一种不同的方法,其结果不依赖于时间箱的选择可能是有用的。新方法通过用连续时间模型代替以前使用的离散时间模型,完全避免了使用时间仓。首先,本文介绍和特征的连续时间版本的分支过程与移民,这将被称为泵分支过程,第二,它提出了相应的尖峰统计,它可以直接比较观察到的尖峰时间序列的分析推导。所提出的方法允许确定的临界程度,重叠雪崩的平均数量,和其他可观的,而不使用一个时间箱。此外,使用时间箱所造成的影响进行了分析,时间和空间的亚采样的影响进行了讨论,所有这些都是比较实验数据和支持的蒙特卡罗模拟。
2021-09-21 cond-mat.stat-mech q-bio.NC
Hopf Bifurcation in Mean Field Explains Critical Avalanches in Excitation-Inhibition Balanced Neuronal Networks: A Mechanism for Multiscale Variability
皮层神经回路在单个神经元中显示出高度不规则的尖峰,但在群体水平上显示出大规模的集体放电、振荡和临界雪崩,所有这些都对信息处理具有重要的功能。理论上,兴奋和抑制输入的平衡被认为是解释尖峰不规则性和临界雪崩可能源于潜在的相变。然而,这些多层次的动态方面的神经回路的理论和解仍然是一个悬而未决的问题。在这里,我们研究兴奋-抑制(E-I)平衡的神经元网络与生物现实的突触动力学。它可以保持不规则的尖峰动态与不同水平的同步和临界雪崩附近出现的同步过渡点。我们提出了一种新的半解析平均场论来推导控制网络宏观动力学的场方程。结果表明,网络的E-I平衡态表现为不规则的个体尖峰,具有宏观稳定态的特征,宏观稳定态可以是不动点,也可以是周期运动,其跃迁由宏观场中的Hopf分岔预测.此外,通过对公开数据的分析,我们发现在离体小鼠脑片的自发发放活动中,不规则发放和临界雪崩共存,表明了所观察到的现象的普遍性。我们的理论揭示了允许复杂的神经活动在不同的时空尺度共存的机制,并阐明了神经系统的临界性的可能起源。这也为分析E-I平衡网络的宏观动力学及其与微观对应物的关系提供了一种新的工具,这对于大规模的皮层动力学建模和计算是有用的。
2020-07-04 cond-mat.dis-nn q-bio.NC
Homeostatic Criticality in Neuronal Networks
在自组织临界性(SOC)模型中,以及在标准相变中,临界性仅存在于消失的外部场$h \to 0$中。考虑到自然系统很少出现这种情况,这样的限制对这些模型的解释能力提出了挑战。除此之外,在地震、森林火灾和神经网络等耗散系统的模型中,不存在真正的临界行为,正如遵循有限尺寸标度的干净幂律所表示的那样,而是一种被称为“脏”临界或自组织准临界(SOqC)的情景。在这里,我们提出了简单的稳态机制,促进自组织的耦合强度,增益和发射阈值的神经元网络。我们表明,耦合强度和点火阈值动态的时间尺度有足够的分离,近临界(SOqC)可以达到和持续,即使在存在显着的外部输入。触发阈值适应并消除输入($h$向零减小)。自旋系统和元胞自动机中的耦合和局部阈值也可以提出类似的机制,这可能导致在地震、森林火灾、恒星耀斑、投票和流行病建模中的应用。
2022-02-03 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Generic Criticality in Ecological and Neuronal Networks
我们研究了两种模型的生物网络与纯粹的抑制性相互作用的单位之间的动态;物种通过生态位竞争和神经元通过抑制性突触耦合相互作用。在这两种情况下,幂律标度的状态密度与概率出现没有任何微调的模型参数。这些结果反驳了越来越流行的观点,即非平衡生命系统在特殊的临界点运行,由进化驱动,以便能够对输入数据进行自适应处理。
2015-08-10 cond-mat.dis-nn q-bio.NC q-bio.PE
Self-organization without conservation: Are neuronal avalanches generically critical?
最近对皮层神经网络的实验揭示了存在明确定义的电活动雪崩。这种雪崩被认为是一般尺度不变的-即幂律分布-在神经科学中有许多令人兴奋的含义。最近,Levina、Herrmann和Geisel提出了一个自组织模型来证明这一经验发现。鉴于(i)神经动力学是耗散的,(ii)有一个加载机制“充电”逐步的背景突触强度,这个模型/动力学是非常相似的精神森林火灾和地震模型,非保守的自组织的典型例子,最近已被证明缺乏真正的临界性。在这里,我们表明,皮层神经网络服从(i)和(ii)一般不是关键的;除非参数微调,它们的动态要么是亚临界或超临界,即使伪临界区域是相对广泛的。这一结论似乎与最近的实验观察一致。我们的工作的主要含义是,如果未来对皮层网络的实验研究支持真正关键的雪崩是正常的,而不是例外,那么人们应该寻找更详细的(适应性/进化)解释,而不是简单的自组织,来解释这一点。
2010-01-19 cond-mat.dis-nn cond-mat.stat-mech physics.comp-ph
Critical neuronal models with relaxed timescales separation
自然界中的幂律被认为是复杂性的标志。自组织临界性(SOC)理论被提出来解释它们的起源。SOC的一个长期原则是\emph{separation of timescales}公理。它规定外部输入以比内部动态的时间尺度慢得多的速率传递到系统。大脑中神经雪崩的统计数据被证明遵循幂律,表明接近临界状态。此外,临界状态被证明是一个有益的状态,各种计算导致的假设,大脑是一个SOC系统。然而,对于不断受到输入信号轰击的神经元系统,时间尺度分离的假设是不自然的。最近,它是实验证明,适当的校正雪崩检测算法,以占增加的驱动器在任务执行过程中导致的幂律指数从$1.5$的变化,约$1.3$,但到目前为止,没有理论解释这种变化。在这里,我们调查的重要性的时间尺度分离,部分放弃它在各种模型。我们通过在雪崩过程中允许外部输入来实现它,而不影响雪崩的分离。我们开发了一个分析处理,并提供了一个简单的神经元模型的数值模拟。
2018-07-17 nlin.AO q-bio.NC
Neural criticality from effective latent variables
本研究探讨神经雪崩临界性的起源,发现群体活动与多个潜在动力学变量耦合可在无需微调参数下产生临界行为,并识别出两种携带不同信息量的临界雪崩状态。
2023-10-13 physics.bio-ph q-bio.NC
Sampling effects and measurement overlap can bias the inference of neuronal avalanches
到目前为止,仍然不可能以单个神经元的精度对整个哺乳动物大脑进行采样。这迫使人们要么使用尖峰(专注于少数神经元),要么使用粗采样活动(对许多神经元进行平均,例如LFP)。自然,抽样技术会影响对集体属性的推断。在这里,我们在一个简单的尖峰模型上模拟这两种采样技术,以量化它们如何改变观察到的相关性和关键性特征。我们描述了一个一般的效果:当电极间距离小时,电极对空间中的重叠区域进行采样,这增加了信号之间的相关性。对于粗采样的活动,这可以产生幂律分布,即使是非关键系统。相比之下,尖峰记录不受这种特殊的偏见和潜在的动态可以识别。这可能解决了为什么粗糙的测量和峰值在过去产生了矛盾的结果。
2022-12-09 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
A Neuronal Model at the Edge of Criticality: An Ising-Inspired Approach to Brain Dynamics
本文构建受 Ising 模型启发、含不应期约束的二维神经元网络,揭示其在临界温度附近呈现同步转变及长程关联等临界特征。
2025-06-08 cond-mat.soft q-bio.NC stat.CO
Critical Avalanches and Subsampling in Map-based Neural Networks
我们研究了突触噪声作为一种新的机制,在神经网络的活动中产生临界雪崩。我们在突触耦合中加入一个均匀的噪声项,通过动力学映射来模拟神经元和化学突触。利用映射的优点在于,动态特性(动作电位分布、兴奋性特性、突触后电位总和等)不是强加给系统的,而是通过求解系统方程自然发生的。我们讨论了相关的神经元和突触特性,以达到临界状态。我们验证了网络的兴奋性反弹神经元快速突触呈现幂律雪崩。我们还讨论了通过对数据进行二次采样来测量神经元雪崩,从而为神经网络中自组织临界性的实验研究提供了依据。
2013-02-11 cond-mat.dis-nn nlin.AO physics.bio-ph
Growing Critical: Self-Organized Criticality in a Developing Neural System
在各种神经系统中的实验发现了雪崩:具有临界动力学典型特征的活动爆发。它们发生的一个可能的解释是一个自组织进入临界状态的底层网络。我们提出了一个简单的尖峰模型开发神经网络,显示这些可能会“成长为”临界。我们的模型产生的雪崩对应于集群的广泛应用的霍克斯过程。我们分析得出的集群大小和持续时间分布,并发现他们同意与实验观察到的神经元雪崩。
2018-11-07 cond-mat.dis-nn nlin.AO q-bio.NC
Statistical modeling of adaptive neural networks explains coexistence of avalanches and oscillations in resting human brain
大脑中的神经元被连接成适应性网络,表现出一系列集体动力学。例如,振荡是具有定义的时间尺度的神经活动的范例同步模式。相反,神经元雪崩是神经活动的无尺度级联,通常被认为是大脑调整到临界状态的证据。虽然已经开发了模型来分别解释振荡或雪崩,但它们通常不能解释这两种现象,太复杂而无法进行分析,或者难以从数据中严格推断。在这里,我们提出了一个非平衡反馈驱动的伊辛类神经网络,同时定量捕获无标度雪崩和规模特定的振荡。在最简单但完全微观的模型版本中,我们可以通过分析计算相图,并通过对模型的两个基本参数进行易于理解的推断,与人脑静息状态活动记录直接联系。推断的模型定量捕获动态范围广泛的尺度,从单个传感器振荡和多个传感器上的近同步极端事件的集体行为,神经元雪崩展开在多个传感器跨多个时间箱。重要的是,推断出的参数与模型无关的签名“接近临界”,这表明在大脑活动中的尺度特异性(神经振荡)和无尺度(神经元雪崩)动力学的共存发生在接近非平衡临界点的自我持续振荡的开始。
2022-07-26 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
Stochastic Wilson-Cowan models of neuronal network dynamics with memory and delay
我们考虑一类简单的马尔可夫类的随机Wilson-Cowan型模型的神经网络动力学,其中包括随机延迟所造成的存在的不应期的神经元。从单个元素的动态的角度来看,我们正在处理的非马尔可夫随机两态振荡器与内存的平均场的方式耦合在全球范围内的网络。这种高维马尔可夫和低维非马尔可夫动力学的相互关系进行了讨论,在其相关的一般问题的网络动力学的复杂元素具有记忆。这类最简单的模型是由一个三状态马尔可夫神经元与一个不应状态,这导致发射延迟与指数衰减的记忆内的两个状态简化模型。这个基本模型被用来研究临界雪崩动力学(噪声持续临界性)在一个平衡的前馈网络组成的兴奋性和抑制性神经元。这种雪崩的出现是由于网络大小相关的噪声(介观噪声)。数值模拟结果表明,雪崩尺寸的分布符合中幂律,临界指数约为-1.16。我们表明,这个幂律是强大的不应期时间的变化超过几个数量级。然而,雪崩时间分布是双指数的。它不反映任何真正的幂律依赖。
2015-01-29 cond-mat.dis-nn physics.bio-ph q-bio.NC
Influence of inhibitory synapses on the criticality of excitable neuronal networks
在这项工作中,我们研究了具有兴奋性和抑制性突触的可兴奋神经元网络的动态范围。我们得到的临界点作为兴奋性和抑制性突触强度的函数的解析表达式。我们还确定了一个解析表达式,给出了临界点值,其中出现的最大动态范围。根据平均联系度和耦合权重,临界点可以表现出停止或不间断的动态特性.然而,动态范围在两种情况下是相等的。我们观察到,外部刺激掩盖了一些影响的自我持续的活动(不断的动态)在该地区的动态范围计算。在这些区域中,持续动态和停止活动的放电率是相同的。此外,我们验证了兴奋性和抑制性的输入是近似相等的网络与大量的连接,显示兴奋性抑制性平衡的实验报告。
2020-08-21 nlin.AO q-bio.NC
Fractal analyses of networks of integrate-and-fire stochastic spiking neurons
尽管有越来越多的证据表明大脑中存在临界状态,但指导神经元网络达到或保持临界状态的过程仍然不清楚。本研究探讨了神经元增益可塑性的作用,在时间序列的模拟神经元网络组成的集成和消防随机尖峰神经元,分形方法在评估网络的关键性的效用。模拟时间序列来自一个完全连接的离散时间随机可兴奋神经元的网络模型。单分形和多重分形分析应用于神经元增益时间序列。分形尺度是最大的网络与中等范围的神经元的可塑性,相对于极高或极低水平的可塑性。峰值分形标度密切对应的额外指标的临界性,包括平均分支比。网络表现出多重分形结构,或多个标度关系。峰值临界附近的多重分形谱表现出细长的右尾,这表明分形结构对高振幅局部波动相对不敏感。临界状态附近的网络表现出中等范围的多重分形谱宽度和尾长,这是一致的文献表明,在准临界状态的网络必须足够稳定,以保持组织,但不稳定,足以适应。最后,分形分析可以提供额外的信息,网络的临界状态动态的影响,网络接近临界状态的指示尺度。
2018-01-19 q-bio.NC
Spike Avalanches Exhibit Universal Dynamics across the Sleep-Wake Cycle
在细胞培养物和切片以及麻醉和清醒的大脑中观察到了尺度不变的神经元雪崩,这表明大脑在临界状态附近运行,即雪崩传播和灭绝之间的狭窄范围内。从理论上讲,临界性为大脑的行为提供了许多理想的特征,优化了计算能力,信息传输,对感官刺激的敏感性和记忆库的大小。然而,在自由行为(FB)动物的神经元雪崩的彻底表征仍然缺失,从而提高了怀疑他们的脑功能的相关性。为了解决这个问题,我们采用长期植入的多电极阵列(MEA)记录雪崩的尖峰从大脑皮层(V1和S1)和海马(HP)的14只大鼠,因为他们自发地穿越觉醒-睡眠周期,探索新的对象或进行麻醉(AN)。然后,我们模拟尖峰雪崩,以评估其统计稀疏MEA采样的影响。我们发现,穗雪崩的大小分布是很好的拟合对数正态分布在FB动物,和截断的权力法律在AN组。FB数据的特点还在于多个关键功能兼容的临界在时间域中,如1/f谱和长期相关性,通过去趋势波动分析测量。这些特征在清醒、慢波睡眠和快速眼动睡眠中非常稳定,但在麻醉期间会崩溃。同样,等待时间分布服从一个单一的标度函数在所有的自然行为状态,但不是在麻醉期间。从V1、S1和HP记录的神经元集合的结果是等同的。总而言之,这些数据提供了行为和大脑临界性之间的全面联系,揭示了所有主要行为中尖峰雪崩的独特尺度不变机制。
2011-01-10 physics.data-an q-bio.NC
Emergence of a dynamical state of coherent bursting with power-law distributed avalanches from collective stochastic dynamics of adaptive neurons
该研究通过具有随机输入的适应性神经元网络证明,幂律分布神经元雪崩可由兴奋与适应性平衡下的相干爆发产生,无需临界相变解释。
2024-12-03 physics.bio-ph q-bio.NC
Can power-law scaling and neuronal avalanches arise from stochastic dynamics?
生物学中自组织临界性的存在通常通过事件大小分布的幂律标度来证明,这可以通过对数轴上的线性回归来测量。我们在这里表明,这样一个过程并不一定意味着系统表现出自组织临界性。我们首先提供了一个分析的多位点局部场电位(LFP)记录的大脑活动,并表明,事件大小分布定义为负LFP峰值可以接近幂律分布。然而,该结果对于检测阈值的变化或使用更严格的统计分析(如Kolmogorov-Smirnov检验)进行测试时不具有鲁棒性。类似的幂律缩放观察代理信号,表明幂律缩放可能是一个通用的属性阈值随机过程。接下来,我们调查这个问题的分析,并表明,事实上,随机过程可以产生虚假的幂律缩放而不存在潜在的自组织临界性。然而,这种幂律仅在对数表示中是明显的,并且不能经受更严格的分析,例如Kolmogorov-Smirnov检验。同样的分析也进行了人工网络已知显示自组织临界性。在这种情况下,图形表示和严格的统计分析都清楚地表明,雪崩的大小是按幂律分布的。我们的结论是,对数表示可以导致虚假的幂律缩放引起的随机性的现象。这种明显的幂律标度并不能证明自组织临界性,这应该通过更严格的统计检验来证明。
2010-01-09 nlin.AO q-bio.NC
A General Description of Criticality in Neural Network Models
研究基于电导的耦合神经元网络,揭示了均值主导机制下产生临界雪崩的三阶段机制,并利用集合卡尔曼滤波器从含噪BOLD信号中有效追踪网络连接以重现临界活动。
2023-08-25 math.DS q-bio.NC
Sparse Edge Encoder (SEE): I. Visual recognition in neuronal networks
本研究模拟自然图像在有限金口-科佩利神经元网络中的处理,发现视觉识别最优状态接近但不同于临界状态,表明临界性假说可能非信息处理优化的必要条件。
2025-02-25 cond-mat.dis-nn q-bio.NC
Evaluation of the criticality of in vitro neuronal networks: Toward an assessment of computational capacity
新型计算硬件是跟上当今对数据存储和处理能力日益增长的需求所必需的。在这个研究项目中,我们转向大脑的灵感,开发新的计算基板,是自我学习,可扩展,节能,容错。这项工作的首要目标是开发能够再现在体外神经元网络中观察到的目标行为的计算模型。这些模型最终将用于帮助在更易工程化的基底中实现这些行为:纳米磁体阵列。通过分析神经元网络的电生理记录来识别目标行为。已经进行了初步分析,以确定网络处于临界状态时,基于网络范围的雪崩的活动的大小分布,并在这里报告了这种分析的结果。这种关键网络与非关键网络的分类在识别可以预期在计算任务上表现良好的网络方面是有价值的,因为关键性被广泛认为是系统最适合计算的状态。这种类型的分析预计能够识别非常适合计算的网络,并将网络分类为扰动或健康。
2019-07-04 cs.ET q-bio.NC
The excitatory-inhibitory branching process: a parsimonious view of cortical asynchronous states, excitability, and criticality
分支过程是传播动力学、雪崩和临界性的极小模型,广泛应用于神经科学。一个简单的扩展,增加抑制节点,诱导一个更丰富的现象,包括,一个中间阶段,静止和饱和之间,表现出的关键特征的“异步状态”在皮层网络。值得注意的是,在抑制主导的情况下,它展示了一个非常丰富的相图,它捕捉了大量自发脑活动的非平凡特征,如集体兴奋性,滞后,倾斜雪崩形状和部分同步,使我们能够在一个共同和简约的框架内合理化惊人的经验发现。
2022-07-07 cond-mat.stat-mech q-bio.NC
Avalanche analysis from multi-electrode ensemble recordings in cat, monkey and human cerebral cortex during wakefulness and sleep
自组织临界态存在于许多自然系统中,从地震到森林火灾,它们也在神经系统中被观察到,特别是在神经元培养中。然而,在清醒的大脑中临界状态的存在仍然存在争议。在这里,我们比较了雪崩分析不同的体内制剂在觉醒,慢波睡眠和REM睡眠,使用高密度电极阵列在猫运动皮层(96个电极),猴子运动皮层和运动前皮层和人类颞叶皮层(96个电极)癫痫患者。在从单位(高达160个单位)定义的神经元雪崩中,雪崩的大小从未明显地按幂律缩放,而是按指数缩放或显示中间缩放。我们还分析了不同电极之间局部场电位(LFP)的动态变化,特别是LFP负峰(nLFP)(颞叶皮质中多达96个位点或相邻运动和前运动皮质中多达128个位点)。在这种情况下,从nLFP定义的雪崩显示幂律缩放双对数表示,如先前在猴中所报道的。然而,雪崩定义为正LFP(pLFP)峰,这是不太直接相关的神经元放电,也表现出明显的幂律缩放。使用更可靠的累积分布函数(CDF)和其他严格的统计方法对这种比例进行更仔细的检查,并没有证实幂律比例。同样的模式也出现在猫、猴子和人类身上,以及清醒和睡眠的不同大脑状态。我们还测试了其他替代发行版。多重指数拟合得到了雪崩动力学与双指数分布的最佳拟合。总的来说,这些结果没有明确的证据表明,从猫到人,哺乳动物清醒和睡眠的大脑中存在幂律缩放或自组织临界状态。
2012-07-15 nlin.AO q-bio.NC
Criticality, stability, competition, and consolidation of new representations in brain networks
大脑从稀疏的外部输入中形成并存储分布式表征,这些外部输入与已经存储的记忆痕迹竞争神经元资源。目前还不清楚神经系统的动力学特性允许在这些条件下形成和随后巩固新的分布式记忆表示。在这里,我们使用分析,计算和实验的方法来表明,在神经元网络活动(即临界)的相变附近的动态制度可能在这个过程中发挥重要作用。我们的研究结果表明,近临界动力学是必要的,以稳定和存储新的稀疏驱动表示时,他们与本地网络状态的竞争。
2018-02-07 physics.bio-ph q-bio.NC
Self-Organized Criticality model for Brain Plasticity
活的神经元网络表现出雪崩模式的活动,实验发现在器官型培养。在这里,我们提出了一个模型的基础上自组织临界性,并考虑到大脑的可塑性,这是能够重现的脑电图(EEG)的频谱。该模型包括一个电网络与阈值放电和活动依赖性突触强度。该系统呈现雪崩活动幂律分布。电信号的功率谱的分析非常稳健地再现了在EEG谱中实验测量的指数为0.8的幂律行为。在小世界格子和泄漏神经元上发现了相同的指数值,这表明普适性适用于广泛的大脑模型。
2006-02-12 q-bio.NC
Self-Organized Criticality in the Brain
自组织临界性(SOC)是指复杂系统向二阶相变演化的能力,在该相变中系统组件之间的相互作用导致有利于系统性能的尺度不变事件。在过去的二十年中,大量的实验证据积累,哺乳动物的皮质与其多样性的细胞类型和连接可能会表现出SOC。在这里,我们回顾实验结果的孤立,分层的皮质准备自组织对四个动态图案在体内的皮质:向上状态,振荡,神经元雪崩,和相干电位。在向上状态期间,嵌套θ/γ振荡所观察到的同步嵌入尺度不变的神经元雪崩,其表现出稳健的幂律缩放,斜率为-3/2,临界分支参数为1。这种动态的协调,在局部场电位(nLFP)和锥体神经元活动使用2-光子成像跟踪,出现在器官型皮层文化和急性皮层切片的浅层自主,是稳态调节,显示时间尺度的分离,并揭示了独特的大小与安静的时间依赖性。一个阈值操作识别相干电位;雪崩,另外保持传播同步的精确时间过程。雪崩是在外部驱动条件下产生的。控制参数由兴奋和抑制(E/I)的平衡和神经调质多巴胺建立。这种丰富的动态剧目是没有观察到的分离皮层文化,缺乏皮层层,并表现出类似于一阶相变的动态。在表层皮层中的上升状态、嵌套振荡、雪崩和相干电位之间的精确相互作用为大脑中的SOC提供了令人信服的证据。
2021-05-15 q-bio.NC
Criticality at work: scaling in the mouse cortex enhances performance
研究通过现象学重整化群方法分析小鼠视觉皮层神经元活动,发现非平凡标度与任务表现增强相关,临界动力学对优化行为结果至关重要。
2025-09-15 q-bio.NC
Dynamical synapses causing self-organized criticality in neural networks
我们表明,网络的尖峰神经元表现出强大的自组织临界性,如果突触的功效遵循现实的动态。推导出平均耦合强度和峰间间隔的解析表达式,我们证明了动态突触的网络具有广泛的相互作用参数的临界雪崩动力学。我们证明,在临界极限的网络成为关键的所有足够大的耦合参数。因此,我们解释了实验观察中,皮层神经元显示雪崩活动的发射事件的总强度分布为幂律。
2007-12-06 cond-mat.dis-nn cond-mat.stat-mech 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
Self-organized criticality in neural network models
长期以来,人们一直认为,神经网络必须建立并保持一定的中间活动水平,以避免混乱和沉默。Beggs和Plenz(2003)首先在大鼠皮层培养物中观察到时空活动雪崩,随后在更多的实验装置中观察到了临界性的强有力证据。这些发现引发了对神经网络临界性和雪崩动力学理论模型的深入研究,通常通过调整突触耦合将一些动态序参量反馈到网络拓扑上。我们在这里给出了现有的动态网络的理论模型的概述。虽然大多数模型都强调生物学和神经生理学的细节,但我们在这里的路径是不同的:我们拿起Bornholdt和Roehl(2001)早期自组织临界神经网络模型的线索,并根据实验数据测试其适用性。保持早期模型的简单性,同时解除自旋公式相对于生物系统的缺点,我们在这里研究一个改进的模型(Rybarsch和Bornholdt,2012 b),并表明它适应临界性,表现出雪崩统计,与实验数据相比,无需参数调整。
2012-12-13 cond-mat.dis-nn nlin.AO q-bio.NC
Critical neural networks with short and long term plasticity
近年来,自组织临界神经元模型提供了关于实验观察到的神经元系统雪崩行为的起源的见解。研究表明,动态突触作为一种短期可塑性的形式,可以引起关键的神经元动力学。而长期可塑性,如赫布或活动依赖可塑性,在塑造网络结构和赋予神经系统学习能力方面起着至关重要的作用。在这项工作中,我们提供了一个模型,它结合了两种可塑性机制,作用于两个不同的时间尺度。测得的雪崩的统计数据是兼容的雪崩的大小和持续时间分布与生物学观察到的抑制性神经元的百分比的实验结果。神经元活动的时间序列表现出导致功率谱中的1/f衰减的时间突发。长期可塑性的存在使系统能够学习二进制规则,如XOR,为未来研究更复杂的任务(如模式识别)提供了基础。
2017-12-18 nlin.AO q-bio.NC
Avalanches in self-organized critical neural networks: A minimal model for the neural SOC universality class
大脑在中间活动的走廊中保持其整体动态,并且什么可能的机制可以实现这一任务一直是一个长期存在的问题。长期以来,统计物理学领域的机制一直表明,即使没有中央调节器,大脑活动的这种稳态也可以通过神经元及其相互作用水平上的自组织单独发生。这种来自自组织临界性的物理机制表现出特征性的动力学特征,类似于与地震有关的地震活动。对皮层静息活动的测量显示出动力学特征的初步迹象,这些特征可能指向大脑中自组织的临界动力学。事实上,最近更精确的测量允许与非平衡临界现象的标度理论进行详细的比较,证明了皮层动力学临界性的存在。在这里,我们将这种对皮层活动数据的新评估与自组织临界神经网络的最早物理自旋模型的预测进行了比较。我们发现,该模型与最近的实验数据及其解释在大脑中的临界动力学签名相匹配。临界性的签名、雪崩大小和持续时间的幂律分布以及异常指数之间的特定标度关系的组合定义了在神经实验中观察到的特定临界现象的普适性类特征。自旋模型是神经临界性的普适性类的自组织临界自适应网络的极小模型的候选者。作为一个原型模型,它提供了模型的背景,包括更多的生物学细节,但共享相同的普遍性类特征的动态平衡的活动在大脑中。
2014-10-07 cond-mat.dis-nn q-bio.NC
Avalanche Dynamics and Correlations in Neural Systems
幂律分布的存在只是验证系统临界行为的第一个要求。长程时空相关性是神经元自发活动表达系统在临界点附近活动的基础。这一章的重点是时间的相关性和雪崩动力学的自发活动皮层切片文化和休息功能磁共振成像BOLD信号。长程相关性的功率谱的缩放和去趋势波动分析的手段进行了研究。1/f衰减的功率谱的存在,以及幂律缩放的均方根波动函数的适当平衡的兴奋和抑制表明,长程时间相关性是独特的“健康的大脑”。通过分析连续事件之间的事件间隔时间的分布,可以解剖神经元雪崩的相应时间组织。在大鼠皮层切片文化,这种分布表现出非单调的行为,通常不会发现在其他自然过程。数值模拟提供的证据表明,这种行为是高和低活动状态之间交替的结果,导致兴奋和抑制之间的动态平衡,在临界状态下调节系统。在这种情况下,时间间隔显示出一种特殊的关系与雪崩的大小,导致雪崩序列的层次结构。大雪崩对应于低频振荡,并触发小雪崩的级联,这是高频节律的一部分。在文化中观察到的自我调节的平衡的兴奋和抑制被证实在更大的规模,即从静息脑活动的功能磁共振成像数据,似乎是密切相关的雪崩活动的关键特征。
2018-11-26 cond-mat.stat-mech nlin.AO q-bio.NC
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
Failure of adaptive self-organized criticality during epileptic seizure attacks
临界动力学被认为是一个有吸引力的模式,正常的大脑功能作为信息处理和计算能力被发现是优化。最近的实验观察的神经元活动模式的幂律分布,一个标志性的系统在一个临界状态,导致了假设,人类大脑动力学可以在有序和无序的活动之间的相变。到目前为止,一个尚未解决的问题涉及关键大脑活动的医学意义以及它与病理条件的关系。使用侵入性脑电图记录从人类的数据,我们表明,在癫痫发作的攻击神经元活动模式偏离正常观察到的幂律分布特征的关键动态。这些观察结果的比较,从一个计算模型表现出自组织临界(SOC)的基础上自适应网络允许进一步深入了解潜在的动态。总之,这些结果表明,大脑动力学偏离临界癫痫发作期间所造成的自适应SOC的失败。
2011-05-24 nlin.AO q-bio.NC
Robustness of functional networks at criticality against structural defects
神经元网络动力学特性对结构损伤的鲁棒性是计算和实验神经科学的核心问题。研究表明,健康大脑的皮质网络在临界状态附近工作,而且功能性神经元网络通常具有无标度和小世界特性。在这项工作中,我们研究了简单的功能网络在临界状态下的鲁棒性如何受到结构缺陷的影响。特别是,我们考虑了一个二维伊辛模型在临界温度下,并研究其功能网络的变化与结构缺陷的程度增加。我们表明,无标度和小世界性质的功能网络在临界状态下是强大的,对大程度的结构病变,而系统仍然低于渗流限制。虽然伊辛模型只是一个概念性的描述一个两状态的神经元,我们的研究揭示了基本的鲁棒性功能网络从经典的统计力学模型。
2018-08-15 cond-mat.stat-mech physics.soc-ph q-bio.NC
Self-organized criticality in single neuron excitability
我们提出的实验和理论的论点,在单个神经元水平,表明神经元响应波动反映了一个过程,神经元的位置附近的过渡点,分离兴奋和不兴奋的阶段。这一观点是支持的动力学特性的系统中观察到的实验中分离培养的皮层神经元,以及由自组织临界性和膜兴奋性生物物理学的结构之间的理论映射。
2013-08-07 physics.bio-ph q-bio.NC
Robust transformations of firing patterns for neural networks
作为一种很有前途的计算范式,人工和生物神经网络中的临界状态的出现引起了广泛的关注。一个经常被明确或隐含的假设是,一个单一的临界状态负责两个不同的临界性概念(雪崩临界性和混沌临界性的动力学边缘)。之前,我们提供了一个孤立的同现反例。在这里,我们揭示了这种网络经历的结构转变的持久范式,因为整体连接强度在其生物学意义范围内变化。在这些转变中,只有一个雪崩临界点出现,与混沌的边缘未能同时发生。我们的观察是基于从网络配置和它们的神经元的变化获得的网络的集合。这表明,不仅临界性的非重合,而且网络结构变化的整体连接强度的功能的持续范例,可能是一个大类的生物神经网络的一般特征。
2017-08-14 nlin.CD q-bio.NC