大脑血液动力学现象中的能量编码

神经信息的编码与解码是神经科学中的核心研究内容,同时又极具挑战性.传统的编码理论都具有各自的局限性,很难从脑的全局运行方式上给出有效的理论.而由于能量是一个标量具有可叠加性,因此能量编码理论可以从神经元活动的能量特征出发来研究脑功能的全局神经编码问题,取得了一系列的研究成果.本研究以王–张神经元能量计算模型为基础,构建了一个多层次结构的神经网络,通过计算机数值模拟得到了神经网络的能量消耗和血液中葡萄糖供能的变化情况.计算结果显示,和网络的神经活动达到峰值的时间相比,血液中葡萄糖的供能达到峰值的时间延迟了约5.6 s.从定量的角度再现了功能性核磁共振(fMRI)中的血液动力学现象:大脑某个脑区的神经元集群被激活以后经过5~7 s的延迟,脑血流的变化才会大幅增加.模拟结果表明先前发表的由王–张神经元模型所揭示的负能量机制在控制大脑的血液动力学现象中起着核心的作用,预测了刺激条件下大脑的能量代谢与血流之间变化的本质是由神经元在发放动作电位过程中正、负能量之间的非平衡、不匹配性质所决定的.本文的研究结果为今后进一步探究血液动力学现象的生理学机制提供了新的研究方向,在神经网络的建模与计算方面给出了一个新的视角和研究方法.     

耦合条件下大脑皮层神经振子群的能量函数

探讨了局部脑皮层网络活动中,耦合条件下的大规模神经振子群的能量消耗与神经信号编码之间的内禀关系,得到了神经元集群在阈下和阈上互相耦合时神经元膜电位变化的函数. 这个能量函数能够精确地再现神经电生理学实验中的EPSP,IPSP,动作电位以及动作电流. 最近功能性核磁共振实验证明了神经信号的编码是与能量的消耗紧密地耦合在一起的,因此研究结果表明利用能量原理研究大脑在神经网络层次上是如何进行编码的这一重大科学问题的讨论是十分有益的. 可以预计得到的能量函数将是生物学神经网络动力学稳定性计算的基础.      

认知神经科学中蕴藏的力学思想与应用

该文系统总结了作者团队在脑科学领域内提出的神经能量理论与方法,以及力学与神经能量理论之间的内在联系.着重介绍了如何运用分析动力学的思想构建一个与H-H模型等效的W-Z神经元模型.并以此为基础,在神经科学领域内提出了以神经能量为核心的大尺度神经科学模型和大脑全局神经编码的理论框架.在包括视知觉等多个感知觉神经系统的信息处理、大脑的智力探索以及预测神经元新的工作机制、解释神经科学难以解释的实验现象等方面,证实了这个新颖的神经元模型所展现出来的独特功能与优势.由于可塑性是认知神经科学与智能行为的核心,通过蛋白质分子机器的经典力学分析,进一步阐明了神经元的可塑性和神经发育不仅仅只是生物化学反应过程,力学的作用与贡献也是不可或缺的重要因素.表明了力学科学在神经科学、生命科学中的研究思想及其内在逻辑的深远影响.这些研究对于今后推动实验神经科学与理论神经科学的融合,摒弃神经科学领域中还原论与整体论研究方法中的不足,并将它们各自的优点进行有效地整合,促进力学科学的理论与方法的渗透是极其重要的.      

神经动力学研究进展和若干思考

神经动力学是动力学与控制学科的基础性分支,属于力学与脑科学、智能科学的国际前沿交叉学科领域,主要是通过动力学与控制的基本理论和方法,建立合理的模型来探究神经系统电生理动力学行为和脑认知功能的机理.近年来,国内外学者在神经动力学的基础研究方面取得了显著成果,包括神经元和神经元网络动力学行为的深入研究、大脑不同功能结构的建模分析以及神经疾病关联脑区的网络动力学建模与控制等.本文首先对国内外神经动力学研究领域取得的进展做了较全面的概括分析,特别是给出了建模方面的发展历程.进而,基于解析生物神经网络及其动力学的研究成果,对神经动力学未来的研究方向提出了一些思考展望,期望神经动力学的研究将助力具备较强可解释性和泛化能力的类脑智能原理和方法的突破及在重大工程中的应用.     

基于信息编码的神经能量计算

通过神经元活动期间神经能量的计算, 发现关于神经元 的活动需要消耗能量的观点并不完整. 计算表明神经元在动作电位发放期间先吸收 能量然后再消耗能量. 依据这个重要发现, 能够解释当脑内神经元被激活时脑血流 量大幅增加而耗氧量却增加很少这一难以解释的神经生理学现象. 同时还能够解释外部刺激信息和知觉的产生会有同步效应这一认知神经科学界也难 以解释的现象.     

神经系统疾病与认知动力学(II): 神经振荡与认知动力学

大脑神经系统具有从慢到快多种不同的振荡节律, 这些节律振荡被认为参与了大脑多种功能的实现, 其中高频的伽马同步振荡被认为与大脑的认知功能最为相关. 本文阐述了生物学实验方面关于伽马振荡及其功能的研究进展, 并针对实验中伽马振荡的频率敏感依赖于外部刺激特征的现象, 综述了基于神经网络模型进行变频伽马振荡及其认知功能的动力学建模研究工作, 解释了视觉刺激调控的变频率伽马振荡动力学产生机理, 提出了基于同步抑制增强全局放电率对比度的神经认知机制. 研究成果有助于理解神经系统同步振荡的产生机理及其认知作用, 为大脑认知原理以及类脑智能的研究奠定基础.      

生物神经网络系统动力学与功能研究

生物神经系统是由数量极其巨大的神经元相互联结的信息网络系统,在生物体的感觉、认知和运动控制中发挥关键性的作用.首先介绍神经元、大脑和一些生物神经网络的生理结构和理论模型,然后分别介绍其放电活动和网络动态特性的一些重要问题,包括神经元的复杂放电模式、耦合神经元网络系统的同步活动和时空动力学、大脑联合皮层神经微回路的网络结构特征,以及工作记忆和抉择过程的动力学机制等. 最后对今后研究给出一些展望.      

延时神经网络混沌现象的研究

本文研究一个具有部分延时性能的三个神经元的不对称神经网络系统的动力学行为，讨论了当控制参数变化时网络呈现的各种现象，计算了李雅普人指数研究了阵发混沌现象，最后讨论了全延时神经网络的吸引子。     

关于注意和记忆的神经动力学机制

利用随机的相变动力学理论研究了一个具有不同相位的神经振子群模型，并考察神经 振子群对刺激信息的处理及神经编码的动态演化. 通过对动力学模型的数值分析，在二维相 空间上描述了神经元集群内不同振子簇发放动作电位时，数密度随时间演化的图像. 数值分 析的结果表明该模型能够用来描述注意和记忆的神经动力学机制，并且证明了只有高维的神 经动力学模型才能更深刻地描述神经元集群的动力学特性，而以往的编码模型丢失了大量有 用的神经信息.     

神经能量与神经信息之间内在动力学关系初探

根据信息论的基本原理和方法,运用最小互信息和最大熵原理对神经编码进行研究和分析.通过对两个原理的基本介绍,描述了最小互信息和最大熵原理是如何用于评估神经反应中的信息量.研究结果表明神经信息的表达和神经能量的利用率密切相关,并发现高度进化的神经系统在能量的消耗和利用上严格遵循着经济性和高效性两个基本原则.为了验证神经信息处理与能量利用率的关系,提出了信能比的新概念,用于衡量最大熵原理对应神经系统在能量利用率上的经济性和高效性.并通过数值计算证实了一个猜想,即神经系统所消耗的能量反映了神经信息处理的内在规律,这为进一步研究一种崭新的神经信息处理原理——能量神经编码奠定了重要的理论基础.      

An improved neuronal energy model that better captures of dynamic property of neuronal activity

Among the theories of neural information coding, the neural energy coding is more accessible to global coding features than traditional neural encoding. According to the shortcomings existing in the neuronal energy model, that is, the non-smooth nature of the energy curve, we proposed an improved neuronal energy model in this paper. The modified energy model is a good choice for establishment of the global model of brain function. And it is also the basis of energy calculation for functional cognitive neural networks in the future.     

神经系统疾病与认知动力学 (I) : 癫痫发作的动力学与控制

研究表明癫痫发作过程与神经系统本身的非线性动力学行为密切相关. 因此, 开展癫痫发作的非线性网络动力学建模与调控问题的研究, 有助于理解癫痫临床表征的动力学机理和定位致痫灶网络, 进而设计有效的网络调控策略. 本文回顾了癫痫脑神经疾病网络动力学与控制方面的研究进展, 系统总结了本文作者近年来在癫痫发作动力学建模分析及其调控等方面取得的研究成果. 首先, 基于海马齿状回CA3区环路神经元网络模型, 分析了影响颞叶癫痫发作的分子和网络结构因素, 阐释了癫痫发作转迁的动力学机制. 其次, 由于脑神经系统的集群编码特性, 基于神经场模型和平均场模型建模方法完善了皮质?基底节?丘脑环路网络动力学理论框架, 并基于此框架分析了失神癫痫发作转迁的动力学分岔机制, 探讨了不同类型癫痫发作的转迁路径, 发现了失神癫痫发作转迁的多稳态共存现象, 揭示了时滞对失神癫痫同步发作的控制效果, 设计了丰富有效的癫痫深脑刺激调控策略, 给出了电刺激调控失神癫痫发作的动力学解释. 最后, 通过数据驱动的统计建模和神经元群模型动力学建模分析, 提出了局灶癫痫致痫灶定位及寻找有效控制癫痫发作网络关键节点的理论新方法. 这些研究成果为理解难治性癫痫发作动力学本质及在临床诊疗的应用方面提供重要理论支撑. 最后对进一步研究给出若干建议.      

Dynamical response,information transition and energy dependence in a neuron model driven by autapse

Autapses are a class of special synapses of neurons. In those neurons, their axons are not connected to the dendrites of other neurons but are attached to their own cell bodies. The output signal of a neuron feeds back to itself, thereby allowing the neuronal firing behavior to be self-tuned. Autapses can adjust the firing accuracy of a neuron and regulate the synchronization of a neuronal system. In this paper, we investigated the information capacity and energy efficiency of a Hodgkin–Huxley neuron in the noisy signal transmission process regulated by delayed inhibitory chemical autapse for different feedback strengths and delay times. We found that the information transmission, coding efficiency, and energy efficiency are maximized when the delay time is half of the input signal period. With the increase in the inhibitory strength of autapse, this maximization is increasingly obvious. Therefore, we propose that the inhibitory autaptic structure can serve as a mechanism and enable neural information processing to be energy efficient.

     

The dynamic behavior of spiral waves in stochastic Hodgkin–Huxley neuronal networks with ion channel blocks

Chemical blocking is known to affect neural network activity. Here, we quantitatively investigate the dynamic behavior of spiral waves in stochastic Hodgkin–Huxley neuronal networks during sodium- or potassium-ion channel blockages. When the sodium-ion channels are blocked, the spiral waves first become sparse and then break. The critical factor for the transition of spiral waves (x _Na) is sensitive to the channel noise. However, with the potassium-ion channel block, the spiral waves first become intensive and then form other dynamic patterns. The critical factor for the transition of spiral waves (x _K) is insensitive to the channel noise. With the sodium-ion channel block, the spike frequency of a single neuron in the network is reduced, and the collective excitability of the neuronal network weakens. By blocking the potassium ion channels, the spike frequency of a single neuron in the network increases, and the collective excitability of the neuronal network is enhanced. Lastly, we found that the behavior of spiral waves is directly related to the system synchronization. This research will enhance our understanding of the evolution of spiral waves through toxins or drugs and will be helpful to find potential applications for controlling spiral waves in real neural systems.     

Impulsive pinning complex dynamical networks and applications to firing neuronal synchronization

The primary objective of this paper is to propose a new approach for analyzing pinning stability in a complex dynamical network via impulsive control. A?simple yet generic criterion of impulsive pinning synchronization for such coupled oscillator network is derived analytically. It is shown that a single impulsive controller can always pin a given complex dynamical network to a homogeneous solution. Subsequently, the theoretic result is applied to a small-world (SW) neuronal network comprised of the Hindmarsh?CRose oscillators. It turns out that the firing activities of a single neuron can induce synchronization of the underlying neuronal networks. This conclusion is obviously in consistence with empirical evidence from the biological experiments, which plays a significant role in neural signal encoding and transduction of information processing for neuronal activity. Finally, simulations are provided to demonstrate the practical nature of the theoretical results.