Signatures of criticality arise in simple neural population models with correlations
对神经元活动的大规模记录使人们有可能深入了解神经系综的集体活动。有人假设，神经种群可能会被优化，以在"热力学临界点"，这一属性的信息处理的影响。支持这一观点的是一系列的研究，这些研究确定了视网膜神经节细胞整体活动中临界性的统计特征。产生这些观察结果的潜在机制是什么？在这里，我们表明，即使在简单的前馈模型的视网膜人口活动的关键性出现的签名。特别是，每当神经元群体数据表现出相关性时，它们就会发生，并且在数据分析期间随机子采样。这些结果表明，关键性的签名不一定表示优化的编码策略，并挑战效用的分析方法的基础上平衡热力学理解部分观察到的生物系统。
2018-01-31 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
Learning Criticality in an Embodied Boltzmann Machine
许多生物和认知系统并不深入到一个或另一个活动机制中。相反，他们利用临界表面在其参数空间中的过渡。临界性在自然系统中的普遍性表明，可能存在诱导这种行为的一般原则。然而，缺乏概念模型来解释具体的代理人如何推动自己走向这些临界点。在本文中，我们提出了一个学习模型，通过最大化网络的热容来驱动一个具体的玻尔兹曼机走向临界行为。我们测试和证实的模型实现一个具体的代理在山地车基准，根据模型调整其权重的玻尔兹曼机控制。我们发现，神经控制器达到临界点，这正好与两个制度的行为之间的代理的行为的过渡点，最大限度地提高其传感器和隐藏和运动神经元之间的协同信息。最后，我们讨论了我们的学习模型的潜力，以研究的贡献，体现生活系统的行为的关键性的情况下，不一定受到生物限制的例子，我们在自然界中发现的关键性。
2017-02-02 cond-mat.dis-nn cond-mat.stat-mech cs.NE
Homeostatic plasticity and emergence of functional networks in a whole-brain model at criticality
理解大规模结构和功能脑网络之间的关系仍然是现代神经科学中的一个关键问题。最近，人们越来越感兴趣地研究跨不同时空尺度的稳态可塑性机制在调节网络活动和大脑功能以对抗广泛的环境条件和大脑状态（例如，在学习、发育、衰老、神经疾病期间）。在本研究中，我们研究如何纳入稳态可塑性的随机全脑模型，实现作为一个正常化的传入节点的兴奋性输入，影响休息期间的宏观活动和功能网络的形成。重要的是，我们在组和基于个体的水平上解决结构-功能关系。在这项工作中，我们表明，正常化的节点的兴奋性输入提高了模型的模拟神经模式和各种脑功能数据之间的对应关系。事实上，我们发现，当模型控制参数处于其临界值时，实现了最佳匹配，并且归一化最大限度地减少了受试者之间的临界点和神经元活动模式的变异性。因此，我们的研究结果表明，纳入稳态原则导致更现实的大脑活动与关键性的标志一致。我们的理论框架在个性化的大脑建模中开辟了新的视角，并具有潜在的应用，以调查由于结构性病变（如中风）或大脑疾病而导致的偏离临界状态。
2018-09-27 q-bio.NC
Adaptation to criticality through organizational invariance in embodied agents
许多生物系统和认知系统并不在一种或另一种活动机制的深处运作。相反，它们在位于其参数空间中的相变的临界点处保持平衡。临界性的普遍性表明，可能存在诱导这种行为的一般原则，但没有充分的理论来理解临界性是如何在广泛的层次和背景下产生的。为了探讨如何从一般的自适应机制的临界可能出现，我们提出了一个简单的学习规则，保持一个内部的组织结构，从一个特定的家庭系统的临界。我们实现的机制，在人工体现代理人控制的神经网络保持一个相关结构随机抽样的伊辛模型在临界温度。在两个经典的强化学习场景中评估代理：山地车和Acrobot双摆。在这两种情况下，神经控制器似乎达到了临界点，这与代理行为的两个制度之间的过渡点相吻合。这些结果表明，在某些情况下，适应临界性可以作为一种普遍的适应机制，提供了另一种解释的普遍存在的临界性在生物和认知系统。
2018-06-01 cond-mat.dis-nn cond-mat.stat-mech cs.NE
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
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
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
Dynamical criticality in the collective activity of a population of retinal neurons
最近基于多电极和成像技术的实验结果重新激发了大型神经网络在有序和无序之间的临界点附近运行的想法。然而，关键性的证据依赖于任意阶参数的定义，或不解决网络活动的动态性质的模型。在这里，我们介绍了一种新的方法来评估的关键性，克服了这些限制，同时涵盖和概括以前的标准。我们发现了一个简单的模型来描述大鼠视网膜中大量神经节细胞的全局活动，并表明它们的统计数据在临界点附近保持平衡。考虑到活动的时间动态大大增强了临界性的证据，揭示了以前的方法不会。该方法是通用的，可以用于其他生物网络。
2015-01-31 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Optimal Dynamical Range of Excitable Networks at Criticality
复杂系统研究中经常出现的一个观点是，最佳信息处理应该在分叉点或相变点附近找到。然而，这种启发式假设几乎没有（如果有的话）具体的实现，其中标准和生物相关的量在临界状态下被优化。在这里，我们给出了这样一个现象的一个明确的例子：一个网络的可激发元素有其灵敏度和动态范围最大化的非平衡相变的临界点。我们的研究结果与缝隙连接在嗅球和视网膜神经节细胞输出中的重要作用是一致的。网络动力学中还出现了同步和全局振荡现象。我们建议，电耦合的主要功能作用是提供一个增强的动态范围，因此允许跨越几个数量级的信息编码。这一机制为心理物理学规律提供了微观的神经基础。
2007-05-15 cond-mat.dis-nn nlin.CG physics.bio-ph
Learning spatiotemporal signals using a recurrent spiking network that discretizes time
学习产生时空序列是大脑必须解决的常见任务。大脑可以使用相同的神经基质来产生不同的顺序行为。大脑学习和编码这些任务的方式仍然未知，因为当前的计算模型通常不使用现实的生物学上合理的学习。在这里，我们提出了一个模型，其中兴奋性和抑制性生物物理神经元的尖峰递归网络驱动读出层：驱动递归网络的动态被训练来编码时间，然后通过读出神经元映射来编码另一个维度，例如空间或相位。不同的时空模式可以通过突触权重被学习和编码到遵循共同的赫布学习规则的读出神经元。我们证明，该模型能够学习时空动态的时间尺度上的行为相关的，我们表明，学习的序列是鲁棒性重放期间的自发活动的制度。
2019-12-19 cs.NE nlin.AO physics.bio-ph
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
Phase transitions and self-organized criticality in networks of stochastic spiking neurons
相变和临界行为是理论和实验神经科学中的关键问题。我们报告的分析和计算结果的相变和自组织临界性（SOC）的网络一般随机神经元。随机神经元具有由膜电位$V$的平滑单调函数$Φ(V)$给出的激发概率，而不是尖锐的激发阈值。我们发现，这样的网络可以在几个动态制度（阶段）取决于平均突触的重量和形状的发射函数$Φ$。特别是，我们遇到了连续和不连续的相变吸收状态。在连续过渡临界边界处，发生神经元雪崩，其大小和持续时间的分布由幂律给出，如在生物神经网络中观察到的。我们还提出并测试了一种产生SOC的新机制：使用动态神经元增益--一种可能在轴突起始段（AIS）中的短期可塑性形式--而不是抑制树突处的突触（如文献中先前研究的那样）。新的自组织机制产生了一种轻微的超临界状态，我们称之为SOSC，根据艾伦·图灵的一些直觉。
2016-10-05 nlin.AO q-bio.NC
Zipf's law and criticality in multivariate data without fine-tuning
生物系统中许多自由度的联合概率分布，例如神经网络中的放电模式或斑马鱼中的抗体序列组成，通常遵循齐普夫定律，其中在秩-频率图上观察到幂律。这种行为最近被证明意味着这些系统位于一个独特的临界点附近，在那里熵和能量的广泛部分完全相等。在这里，我们通过分析和数值模拟表明，如果存在影响系统的未观测变量（或变量），则Zipf类概率分布自然出现。G.对于神经网络，输入刺激导致网络中的各个神经元以时变速率激发。在统计学和机器学习中，这些模型被称为潜变量或混合模型。我们的模型表明，没有微调是必需的，即齐普夫定律一般出现没有调整参数到一个点，并提供了深入了解齐普夫定律在广泛的系统中的普遍性。
2014-06-18 cond-mat.stat-mech q-bio.NC q-bio.QM
A Spatiotemporal Perspective on Dynamical Computation in Neural Information Processing Systems
The Kempner Institute for the Study of Natural and Artificial Intelligence at Harvard University（哈佛大学肯珀尔自然与人工智能研究所）；Western University, Department of Mathematics（韦仕敦大学数学系）；Salk Institute for Biological Studies, Computational Neurobiology Laboratory（索尔克生物研究所计算神经生物学实验室）；University of Amsterdam, Institute for Informatics（阿姆斯特丹大学信息学研究所）；University of California at San Diego, Department of Neurobiology（加州大学圣地亚哥分校神经生物学系）
本文提出了一种理论框架，将运动与流动神经动态联系起来，认为循环行波样动态对信号处理至关重要，强调时空视角下的动态计算在神经信息处理中的重要性。
2026-02-02 cs.NE 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
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
Synaptic Integration of Spatiotemporal Features with a Dynamic Neuromorphic Processor
Luleå University of Technology（吕勒奥理工大学）
发放神经元可以通过突触前发放模式的非线性突触和树突整合来执行时空特征检测。非线性树突的多室模型和相关的神经形态电路设计使得能够忠实地模仿这种动态集成过程，但是这些方法也与相对高的计算成本或电路尺寸相关联。在这里，我们调查的时空尖峰模式与多个动态突触的DYNAP-SE神经形态处理器，它提供了一个互补的资源效率，虽然不太灵活，方法来特征检测点神经元的突触整合。我们研究如何以前提出的兴奋-抑制对动态突触可以结合起来，以整合多个输入，我们概括了这一概念的情况下，一个抑制性突触与多个兴奋性突触相结合。我们通过测量和分析神经形态神经元回路的膜电位来表征所产生的延迟兴奋性突触后电位（EPSP）。我们发现，生物相关的EPSP延迟，每个神经元的顺序为10毫秒的变化，可以实现在所提出的方式，通过选择不同的突触组合，由于设备不匹配。基于这些结果，我们证明了一个单点神经元动态突触的DYNAP-SE可以选择性地响应突触前尖峰与特定的时空结构，这使得，例如，视觉功能调整的单个神经元。
2021-06-01 cs.CV cs.NE q-bio.NC
A spatiotemporal style transfer algorithm for dynamic visual stimulus generation
University of Tübingen（图宾根大学）；German Center for Mental Health (DZPG)（德国心理健康中心）
针对视觉研究中动态视觉刺激生成方法稀缺的问题，提出基于双流深度网络的时空风格迁移算法，可生成匹配自然视频层激活的同功刺激，为视觉科学研究提供通用工具。
2024-03-07 cs.AI cs.CV cs.LG
