预测路由来自自主监督的随机神经可塑性

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 系统神经科学 系统神经科学

背景情况:

• 预测编码理论表明,α/β节奏 (8-30 Hz) 为预测的输入准备神经通路,导致抑制和减少马节奏 (40-90 Hz).
• 这种预测路由和α/β-gamma推拉相互作用背后的电路机制仍然不清楚.

研究的目的:

• 探索实现预测路由和α/β-gamma推拉相互作用的电路机制.
• 开发一种新的计算工具,用于在没有手动参数调节的情况下训练生物物理神经电路.

主要方法:

• 开发了一种自我监督的学习算法,即通用的静态三角规则 (gSDR),用于训练生物物理神经电路.
• 应用gSDR来建模神经生理学,特别是从基线转向的视觉皮层中刺激诱导的玛振荡.
• 研究了gSDR如何自我调节突触重量,以及如何从局部和自上而下的网络调节中出现推拉动态.

主要成果:

• gSDR成功地训练了神经回路以满足定义的目标,证明了其在计算建模中的实用性.
• 该模型重现了刺激诱导的马振荡,显示了通过gSDR.gSynaptic重量的自我调节.
• 证明了玛-β推拉相互作用可以从随机局部电路调制和上下输入中产生.

结论:

• gSDR是一种有效的算法,用于训练生物物理神经电路,以实现复杂的神经目标.
• 这项研究揭示了在预测处理中负责玛-β推拉动态的抑制神经元机制.
• 这项工作提供了关于神经执行预测编码和路由的见解.