南加州大學(xué)維特比工程學(xué)院網(wǎng)絡(luò)物理系統(tǒng)小組的研究人員與伊利諾伊大學(xué)厄巴納-香檳分校合作開發(fā)了一種新模型，用于研究大腦深處的信息如何從一個網(wǎng)絡(luò)流動到另一個網(wǎng)絡(luò)以及這些網(wǎng)絡(luò)如何流動。神經(jīng)網(wǎng)絡(luò)簇隨著時間的推移進行自我優(yōu)化。他們的工作記錄在論文《從定量相位成像數(shù)據(jù)中解讀的腦源性神經(jīng)元培養(yǎng)物的網(wǎng)絡(luò)科學(xué)特征》中，被認為是第一個在體外神經(jīng)元網(wǎng)絡(luò)中觀察這種自我優(yōu)化現(xiàn)象的研究，并與現(xiàn)有模型相反。他們的發(fā)現(xiàn)可以為受生物學(xué)啟發(fā)的人工智能、腦癌檢測和診斷開辟新的研究方向，并可能有助于或啟發(fā)新的帕金森氏癥治療策略。
研究小組檢查了小鼠和大鼠大腦中神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)和進化，以確定連接模式。通訊作者、電氣與計算工程副教授 Paul Bogdan 通過解釋大腦如何在決策中發(fā)揮作用，將這項工作置于背景中。他提到了當(dāng)某人被認為在數(shù)牌時發(fā)生的大腦活動。他說，大腦實際上可能并沒有記住所有的卡片選項，而是“進行一種不確定性模型”。他說，大腦正在從神經(jīng)元的所有連接中獲取大量信息。
在這種情況下發(fā)生的動態(tài)聚類使大腦能夠衡量不同程度的不確定性，獲得粗略的概率描述并了解哪種情況的可能性較小。
“我們觀察到，大腦網(wǎng)絡(luò)具有非凡的能力，可以最大限度地減少延遲、最大化吞吐量和最大化魯棒性，同時以分布式方式(無需中央管理器或協(xié)調(diào)器)完成所有這些工作。”謝明謝電氣工程系 Jack Munushian 早期職業(yè)主席的 Bogdan 說道。“這意味著神經(jīng)網(wǎng)絡(luò)相互協(xié)商并以一種快速增強網(wǎng)絡(luò)性能但連接規(guī)則未知的方式相互連接。”
令博格丹驚訝的是，神經(jīng)科學(xué)所采用的經(jīng)典數(shù)學(xué)模型都無法準確復(fù)制這種動態(tài)的新興連接現(xiàn)象。使用多重分形分析和一種名為定量相位成像(QPI)的新型成像技術(shù)，該技術(shù)由該研究的合著者、伊利諾伊大學(xué)厄巴納-香檳分校電氣和計算機工程教授 Gabriel Popescu 開發(fā)，研究小組能夠高精度地建模和分析這種現(xiàn)象。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！