大规模神经活动的统计物理与循环
David P Carcamo1,2, Christopher W Lynn1,2,3
1Department of Physics, Yale University, New Haven, CT 06511.
概括
研究人员开发了一个新的统计物理框架来分析具有反循环的大型神经群体. 这种方法准确地模拟复杂的神经活动,并揭示了各种刺激之间一致的潜在电路.
科学领域:
- 计算神经科学是一种神经科学.
- 统计物理 统计物理
- 系统神经科学 系统神经科学
背景情况:
- 分析大规模的神经活动对于理解大脑功能至关重要.
- 现有的模型在神经电路中与固有的反循环作斗争.
- 统计物理学为理解集体神经活动提供了一个框架.
研究的目的:
- 开发一个可扩展的统计物理框架,用于分析具有反循环的大型神经群体.
- 允许在复杂的神经网络中直接访问信息理论措施.
- 确定最大限度地提高信息内容的最佳神经关联网络.
主要方法:
- 为具有反循环的网络开发了最大问题的一个精确解决方案.
- 将框架应用于大规模录音 (大约. 一万个神经元) 来自小鼠的视觉系统.
- 将新框架的性能与无循环网络的现有方法进行了比较.
主要成果:
- 新的框架准确地模拟了具有反循环的大型神经群体,优于现有的方法.
- 它提供了直接访问以前无法大规模访问的信息理论措施.
- 模型在视觉刺激过程中表现得比自发活动更好,表明神经回路一致.
结论:
- 开发的框架为研究大神经群体的统计物理提供了一个优化的方法.
- 它更好地描述了人口活动,并揭示了一致的神经电路.
- 这些方法在神经科学之外,在其他生物网络中都有潜在的应用.
