大腦神經元複雜網路群體動力學和信息理論的研究

大腦神經元複雜網路群體動力學和信息理論的研究

《大腦神經元複雜網路群體動力學和信息理論的研究》是依託上海交通大學,由金石擔任項目負責人的面上項目。

基本介紹

  • 中文名:大腦神經元複雜網路群體動力學和信息理論的研究
  • 項目類別:面上項目
  • 項目負責人:金石
  • 依託單位:上海交通大學
項目摘要,結題摘要,

項目摘要

解剖連通性,有效連通性,和功能連通性的引入開創了系統神經科學新的重要研究領域。有關連通性的實驗正在快速地拓展。如何解釋功能連通性的小世界和無標度網路特性,以及它們與解剖連通性的關係等科學問題,急需新的數學理論的發展,是進一步理解大腦功能的基石。本項目計畫:1、研究大腦複雜網路信息整合的普遍數學原理和計算框架,建立多時空尺度下大腦網路神經元群體動理學等有效數學方法,並建立刻畫網路系統信息流和信息傳遞動態數學理論;2、建立以解剖連通實驗數據為基礎的大尺度皮層多腦區神經元群體計算模型,套用本項目所發展的網路動理學及信息流子網路分解,確定多腦區複雜網路的信息流及因果聯繫;3、研究產生有效連通性的網路機制,從而把解剖連通性和功能連通性聯繫起來,為大腦複雜網路動態行為及功能的研究建立新的數學理論和計算框架,並為解釋實驗所觀察到的功能連通性背後的大腦網路機制提供統一的數學語言。

結題摘要

該項目主要集中在研究大腦複雜網路信息整合的普遍數學原理和計算框架,建立多時空尺度下大腦網路神經元群體動理學等有效數學方法以及以解剖連通實驗數據為基礎的大尺度皮層多腦區神經元群體計算模型,研究神經科學中解剖連線、有效連線以及功能連線的關係。經過四年多的探索和努力,該項目取得了一些非常重要的研究成果,具體包括:(1) 提出了利用非均勻數據採樣的方法,有效地克服數據均勻採樣中帶來的格蘭傑因果功能連線的人為影響。並針對神經科學中經典的整合-發放模型,建立了解剖連線結構與格蘭傑因果有效連線結構之間的對應關係;(2) 在神經元網路非線性動力學中,利用動理學理論得到了一個關於輸入和輸出的隱含的線性映射,由此實現了可以從低維測量輸出來重構高維稀疏輸入信號的壓縮感知的編碼機制,並基於生物視覺神經系統中神經元具有感受野概念的啟發,提出了一種我們定義為局部-隨機採樣的新的數據採樣方法;(3) 通過數學理論分析和數值實驗模擬揭示了實驗上二階最大熵模型成功的動力學機制,定量刻畫了二階最大熵模型成功對應的神經元網路的動力學狀態,從而可以清晰地理解二階最大熵模型在神經元網路動力學刻畫的適用性;(4) 發展了結合單個神經元自身的電壓時間序列以及其它神經元的電脈衝序列信息,通過回歸分析來得到神經元網路內部的結構連線強度的圖譜,從而建立起了針對神經元網路這樣的高維非線性的隨機動力學系統的反問題的數學理論框架;(5) 通過整合大量的小鼠初級視皮層的電生理實驗數據,建立了小鼠初級視皮層的大尺度網路動力學的計算模型,通過數值模擬和理論分析,課題組揭示了調節方向選擇性與輸入對比度關係的網路動力學機制;(6) 提出了一個全新的整合電流形式來修正傳統的點神經元模型,該修正的模型可以模擬原始點神經元模型無法描述的樹突計算功能,能夠突破大尺度真實神經元網路動力學的計算瓶頸, (7)對帶不確定性的生物系統粒子模型及平均場模型, 研究了對隨機參數的解的正則性和敏感性, 為對此類模型的不確定性量化奠定了理論基礎。

相關詞條

熱門詞條

聯絡我們