Mniej znaczy więcej: wydajna strukturalna i dynamiczna organizacja mózgu

Mniej znaczy więcej: wydajna strukturalna i dynamiczna organizacja mózgu

Mózg człowieka wykonuje obliczenia o dużej pojemności, ale potrzebuje tylko naprawdę zmniejszonej mocy energii około 20 W, czyli znacznie mniej niż w przypadku cyfrowych systemów komputerowych. Łącza neuronowe w sieci mózgowej mają na całym świecie cienkie, ale w twoim obszarze przenośne, modularne cechy topologiczne, co znacznie minimalizuje całkowite pobranie źródła do rozwijania łączy. Kolce każdej komórki nerwowej w mózgu są cienkie i nierówne, a zebrane wystrzeliwane populacje neuronów mają szczególny poziom synchronizacji, rozwijając lawiny neuronalne o właściwościach pozbawionych łusek, a sieć może wrażliwie reagować na stymulacje z zewnątrz. Jednak nadal nie jest jasne, w jaki sposób struktura mózgu i dynamiczne domy mogą samoorganizować się, aby osiągnąć wspólną optymalizację pod względem wydatków.

Niedawno Junhao Liang i Changsong Zhou z Hong Kong Baptist University oraz Sheng-Jun Wang z Shaanxi Normal University podjęli próbę rozwiązania tego problemu za pomocą organicznej wersji sieci semantycznej za pomocą ogromnej symulacji matematycznej, zintegrowanej z unikalną oceną koncepcji pola średniego. W ich badaniach pisemnych opublikowanych w National Science Review, zbadali wersję charakterystyki neuronowej równowagi wzbudzenia i hamowania w sieci przestrzennej.

Badanie wykazało, że gdy na całym świecie cienka, arbitralnie połączona sieć (Registered Nurse) zostanie przekształcona w znacznie bardziej naturalnie rozsądną sieć modułową (MN), bieżące spożycie sieci (cena strzelania do komórek nerwowych) i jej struktura koszt połączenia oba są znacznie zmniejszone; dynamiczne ustawienie sieci zmienia się w obszarze, umożliwiając lawiny bezskalowe (czyli pilność), co sprawia, że ​​sieć jest o wiele bardziej delikatna w reagowaniu na bodźce zewnętrzne.

Dalsza ocena wykazała, że ​​zwiększona grubość połączeń pojedynczych komponentów w trakcie procedury zmiany okablowania jest tajemnicą, aby nadrobić zmiany dynamiczne: większa zależność topologiczna sieci powoduje większą zależność dynamiczną, co sprawia, że ​​komórki nerwowe znacznie szybciej reagują na skoki. Korzystając z unikalnej koncepcji przybliżonego pola średniego, autorzy uzyskali wzory makroskopowego obszaru pojedynczego komponentu, ujawniając, że zwiększenie grubości komponentu powoduje zmniejszenie ceny wystrzeliwania neuronowego i odległości do bifurkacji Hopfa systemu. Wyjaśnia to rozwój istotnych lawin i podwyższony poziom wrażliwości na bodźce zewnętrzne przy zmniejszonych kosztach strzelania. Połączona wersja oscylatora uzyskana przez połączenie kilku komponentów dodatkowo ujawnia dynamiczne przesunięcie w trakcie procedury ponownego okablowania początkowej sieci.

Badanie wyraźnie ujawniło koncepcję osiągnięcia wspólnej optymalizacji (w przeciwieństwie do kompromisu pomiędzy) strukturalnych i dynamicznych domów mózgu i dostarcza unikalnego zrozumienia efektywnej kosztowo koncepcji funkcjonalnej mózgu, która dodatkowo oferuje zrozumienie do stylu narzędzi obliczeniowych motywowanych mózgiem.

Mniej znaczy więcej: wydajna strukturalna i dynamiczna organizacja mózgu