Нове дослідження, опубліковане на arXiv, показує, що стандартні підходи до визначення зв'язків у мозку за нейронними записами часто виявляють оманливі структури. Дослідники з Вашингтонського університету та Інституту Аллена розробили метод, який використовує безперервні нормалізуючі потоки (CNFs) та максимальну ентропію для вивчення розподілів ваг зв'язків, які є максимально незміщеними.
Дослідження
Тімоті Дойон Кім та колеги поставили за мету вирішити проблему виродження при визначенні зв'язків за популяційними записами: кілька структур зв'язків можуть породжувати однакову нейронну динаміку. Використовуючи рекурентні нейронні мережі низького рангу (lrRNN), вони спочатку охарактеризували умови, за яких існує унікальна структура зв'язків. Потім вони побудували систему виведення, яка замість оцінювання єдиної матриці зв'язків вивчає розподіл ваг зв'язків. Цей розподіл навчається за допомогою потокового узгодження, щоб відповідати спостережуваній динаміці, залишаючись максимально незміщеним щодо неідентифікованих компонентів. Метод виявив важкохвостові розподіли зв'язків, характерні для емпіричних даних. Команда перевірила свій підхід на синтетичних наборах даних із мультистабільними атракторами, граничними циклами та кільцевими атракторами, а також застосувала його до записів з фронтальної кори щурів під час виконання завдань прийняття рішень. Запропонований підхід зміщує задачу визначення схем із відновлення однієї матриці зв'язків до ідентифікації тих структур зв'язків, які є обчислювально необхідними.
Чому це важливо
Розуміння того, як з'єднуються нейрони, є фундаментальним для пояснення пізнання. Ця робота показує, що припущення про єдину «схему з'єднань» за записами мозку може вводити в оману. Вивчаючи розподіл можливих зв'язків, дослідники можуть відрізнити особливості, суттєві для функціонування, від артефактів некоректно заданої задачі виведення. Для будь-кого, хто цікавиться роботою свого мозку, це означає, що майбутні інтерфейси мозок-комп'ютер та когнітивні тренування можуть базуватися на більш точних моделях нейронних обчислень.
Що ви можете зробити
Залишайтеся допитливими щодо того, як нейробіологи декодують активність мозку. Хоча ви не можете застосувати цей метод вдома, ви можете тренувати власні когнітивні навички за допомогою доказових головоломок та тестів. Розумійте, що зв'язки вашого мозку динамічні та формуються досвідом — залучення до нового навчання може зміцнити корисні ланцюги.
Джерело: arXiv q-bio.NC
Цікавитесь власним мозком? Пройдіть наш безкоштовний адаптивний IQ-тест або спробуйте 306 рівнів тренування мозку.
