Investigación de la dinámica de transmisión de señales en las redes neuronales de Rulkov con vías aprendidas por Q

Área de la Ciencia:

• Neurociencia computacional
• Inteligencia artificial
• Sistemas complejos

Sus antecedentes:

• La dinámica de transmisión de la señal de la red neuronal no se entiende completamente.
• El procesamiento eficiente de la información en los sistemas neuronales es crucial.
• El aprendizaje por refuerzo ofrece potencial para optimizar el comportamiento de la red.

Objetivo del estudio:

• Desarrollar un nuevo modelo de red neuronal de Rulkov que integre el aprendizaje Q.
• Investigar el impacto de un parámetro clave en la eficiencia de la transmisión de la señal.
• Explorar las implicaciones biológicas de la variabilidad observada en la transmisión de señales.

Principales métodos:

• Simulado un modelo de red neuronal de Rulkov con integración de aprendizaje Q.
• Centrado en un parámetro que modula la dinámica intrínseca de las neuronas y las entradas vecinas.
• Tasa de atenuación de la señal analizada y intervalos de disparo bajo variaciones de parámetros.

Principales resultados:

• La eficiencia de la transmisión de señales entre neuronas distantes se vio afectada en una región con atractores caóticos y de ocho períodos coexistentes.
• Las ráfagas oscilatorias de baja frecuencia amplificaron las señales en las neuronas vecinas pero fallaron en la transmisión a larga distancia.
• Se observó variabilidad en la transmisión de señales incluso con dinámicas neuronales individuales y actividad presináptica similares.

Conclusiones:

• El modelo de aprendizaje Rulkov-Q proporciona información sobre la transmisión de señales neuronales.
• La dinámica dependiente de parámetros influye en la propagación de la señal, con compensaciones entre la amplificación local y la eficiencia a larga distancia.
• La variabilidad de la señal observada sugiere un mecanismo de flexibilidad y robustez en el procesamiento de la información neuronal.