模拟神经元学习比你想象的更简单

每个人都知道人类的大脑是极其复杂的,但它是如何学习,到底是什么?答案可能比通常认为的简单得多。

一个国际研究小组涉及大学蒙特利尔取得了重大进展在准确模拟大脑皮层突触变化被认为是学习的关键,打开大门更大的大脑的理解。

科学家们的研究——以一个开源模型发表6月1日在自然通讯。

的一个新方向的世界

“这开辟了一个新方向的世界科学调查我们如何学习,”说Eilif穆勒,一个IVADO助理研究教授UdeM和加拿大CIFAR AI的椅子上,该研究在“蓝脑计划”的洛桑联邦理工(EPFL),在瑞士。

穆勒于2019年搬到蒙特利尔,继续他的研究体系结构的生物实验室学习他创办的圣贾斯汀研究中心协会UdeM和米拉,魁北克人工智能研究所。

“神经元的形状像树,和突触是树叶的树枝,”穆勒说,这项研究的文章的第二作者。

”之前的方法模型忽略了这个树结构可塑性,但现在我们的计算工具来测试这个想法突触在树枝上的交互在指导学习方面发挥着基础性的作用在活的有机体内,”他说。

“这有着重要的意义,可以让人们了解神经发育障碍的机制,如自闭症和精神分裂症,而且对发展中强大的新的人工智能方法受神经科学。”

在五个国家的合作者

穆勒与一组科学家从欧洲职业足球联盟的蓝脑计划”的,巴黎大学,耶路撒冷希伯来大学的,Instituto卡哈尔(西班牙)和哈佛医学院提出一个模型基于data-constrained皮层突触可塑性的突触后钙动力学。

它是如何工作的呢?这很复杂,但最终,比你想象的简单。

人脑是由数十亿个神经元相互通信,形成数以万亿计的突触。这些神经元之间的连接点是不断变化的复杂分子机器的外部刺激和内部动态,这一过程通常被称为突触可塑性。

在大脑皮层,与学习有关的一个关键领域高级认知功能在哺乳动物中,锥体细胞(pc)占80 - 90%的神经元和在学习中发挥着重要的作用。尽管它们的重要性,他们的长期动态突触变化实验特征之间只有少数类型的电脑,和多样化。

只有一个有限的理解

因此,有限的理解复杂的神经回路,它们形成、尤其是在典型的皮质层,决定大脑皮层的不同区域是如何交互的。穆勒和他的同事们“创新是使用计算模型提出一个更全面的观点的突触可塑性在这些皮层电路动态管理学习。

可用实验数据通过比较他们的结果,他们在他们的研究表明,突触可塑性模型可以捕捉各种塑性动力学的各种电脑占皮层微电路。他们这样做,只使用一个统一的模型参数,指示的可塑性规则新皮质锥体细胞类型之间共享,因此是可预测的。

大多数这些塑性实验进行啮齿动物的大脑切片在体外,钙动力学驾驶突触传递可塑性和学习完整的大脑相比显著改变在活的有机体内。重要的是,研究预测定性实验执行不同的塑性动态参考体外。如果未来实验证实,对我们理解大脑的可塑性和学习将是深远的,穆勒和他的研究小组相信。

“这项研究是什么让人兴奋的地方是,这是科学家的进一步确认,我们可以克服使用造型方法实验在知识方面的学习时大脑,”欧洲神经科学家说亨利·马克莱姆“蓝脑计划”的创始人兼董事。

“这是打开科学”

“此外,模型是开放源代码的,上可用Zenodo平台,”他补充道。

“这里有共享的数以百计的塑料锥体细胞连接不同类型的。它不仅是迄今为止最广泛塑性模型进行验证,但它也代表了最全面的预测之间的区别可塑性培养皿中观察到,在一个完整的大脑。

这种飞跃成为可能,因为我们的协作团队合作方法。此外,社区可以把它进一步发展自己的版本通过修改或添加它——这是开放的科学,它将加速进展”。

参考:Chindemi G, Abdellah M, Amsalem O, et al .钙基塑性模型预测长期势差在大脑皮层和抑郁。自然通讯。2022;13 (1):3038。doi:10.1038 / s41467 - 022 - 30214 - w

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。