大腦是一個由重疊電路組成的迷宮網絡-有些途徑鼓勵活動，而另一些則抑制活動。雖然早期的研究更多地集中在興奮性回路上，但現在人們已經認識到抑制回路在腦功能中起著同等重要的作用。沖繩科技大學研究生院(OIST)和RIKEN腦科學中心的研究人員創建了一個人工網絡來模擬大腦，表明修補抑制電路會導致記憶的擴展。
關聯記憶是連接不相關項并將其存儲在內存中的能力-將同現項關聯為單個情節。在《物理評論快報》上發表的這項研究中，研究小組使用順序排列的模式來模擬記憶，發現當模型考慮抑制電路時，計算機能夠記住跨越較長情節的模式。他們繼續說明如何將這一發現應用于解釋我們自己的大腦。
OIST的神經編碼和大腦計算部門負責人Tomoki Fukai教授解釋說：“這種簡單的處理模型向我們展示了大腦如何處理序列提供的信息。”該研究由RIKEN合作者Tatsuya Haga博士領導。“通過使用計算機對神經元建模，我們可以開始了解自己的記憶處理過程。”
現在，從物理，非生物現象的角度來思考大腦已成為神經科學中一種被廣泛接受的方法，而從物理學中提煉出來的許多想法現在已經在動物研究中得到了驗證。這樣的想法是將大腦的記憶系統理解為吸引網絡，即一組連接的節點，這些節點顯示活動模式并趨向某些狀態。吸引網絡的思想構成了這項研究的基礎。
神經生物學的信條是“一起發射的細胞相互連接”-同時活動的神經元變得同步，這在一定程度上解釋了我們的大腦如何隨時間變化。在他們的模型中，研究小組創建了興奮性回路-神經元共同激發的模式-以復制大腦。該模型包括遍布網絡的許多激勵電路。
更重要的是，研究小組在模型中插入了抑制回路。不同的抑制電路在局部作用于特定電路，或全局作用于整個網絡。電路可阻止有害信號干擾勵磁電路，從而更好地激發并連接在一起。這些抑制回路使興奮回路能夠記住代表較長發作的模式。
這一發現與當前關于海馬體(涉及聯想記憶的大腦區域)的已知情況相吻合。人們認為，興奮和抑制活性之間的平衡是可以形成新的聯系的原因。抑制活性可由稱為乙酰膽堿的化學物質調節，已知該化學物質在海馬體的記憶中起作用。該模型是這些過程的數字表示。
然而，該方法的挑戰是使用隨機采樣。網絡中大量可能的輸出或吸引子狀態會使計算機的存儲容量超負荷。相反，團隊必須依靠輸出的選擇，而不是對每種可能的組合進行系統的審查。這使他們能夠克服技術難題，而又不會損害模型的預測。
總的來說，這項研究允許進行總體推論-抑制性神經元在聯想記憶中起著重要作用，這映射到我們對自己大腦的期望。Fukai說，生物學研究需要完成才能確定這項計算工作的確切有效性。然后，有可能將模擬的組成部分映射到它們的生物學對應部分，從而建立更完整的海馬和聯想記憶圖。
該團隊接下來將超越一個簡單的模型，轉向具有更好地代表海馬體的其他參數的模型，并研究局部和全局抑制回路的相對重要性。當前模型包含關閉或打開的神經元-零和一。未來的模型將包括樹突，即在復雜網格中連接神經元的分支。這種更現實的模擬將更容易得出關于生物大腦的結論。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請聯系我們修改或刪除，多謝。
