您的位置:首页 → 研究团队建立了一个框架来量化大脑的控制成本

为了更好地了解大脑中这种控制的特性,科学家们寻找方法来估计大脑从一种状态过渡到另一种状态时控制难度或控制成本。因此,一组研究人员进行了一项研究,以量化大脑中的这种控制成本,并成功建立了一个评估这些成本的框架。

控制向某些状态的过渡比控制向其他状态的过渡会产生更大的“成本”。随着量化过渡成本框架的发展,科学家们将有办法评估各种大脑状态之间转换的难度。他们可能有一个可量化的衡量标准来解释认知负荷、睡眠-觉醒差异、认知任务的习惯化和精神疾病。

这项工作发表在《神经科学杂志》上。

该团队致力于建立一个新的框架来量化控制成本,该框架考虑了神经活动的随机性或随机性。这种随机性在以前的研究中被忽略了。神经科学中的当前控制范式使用无法考虑随机性的确定性框架。

但众所周知,神经动力学是随机的,噪音在整个大脑中无处不在。

“在这项工作中,我们解决了随机性的问题,并首先提出了一个新的理论框架,该框架量化了考虑到神经动力学随机波动的控制成本,”东京大学艺术与科学研究生院博士生Shunsuke Kamiya说。

在他们的研究中,研究人员建立了随机控制成本的分析表达式,这使他们能够计算高维神经数据中的成本。通过解析表达式,他们发现最优控制成本可以分解为控制均值和协方差的成本。

“这种分解使我们能够研究不同的大脑区域如何有助于控制从一种大脑状态到另一种大脑状态的转变,”Kamiya说。

研究人员还确定了人类全脑成像数据中认知任务最佳控制的重要大脑区域。他们使用352名健康成年人的人类全脑成像数据,检查了从静息状态到七种认知任务状态过渡的最佳控制中的重要大脑区域。

他们发现,通过这些不同的转变,下部视觉区域通常在控制均值方面发挥重要作用,而后扣带皮层通常在控制协方差中发挥重要作用。后扣带皮层是边缘叶的上部,边缘叶是大脑中在记忆和情绪行为中发挥重要作用的区域。

在这项研究中,研究小组只考虑了最佳控制成本,其中大脑状态转换得到最佳控制,随机控制成本最小化。然而,在实际的神经系统中,状态转换不太可能得到最佳控制。

“一个有趣的未来方向将是比较任务期间使用神经数据的最佳控制动力学和实际动力学,”东京大学艺术与科学研究生院副教授Masafumi Oizumi说。

展望未来的研究,Oizumi解释说,他的实验室的最终目标是了解大脑动力学与人类行为,认知和意识之间的联系。

“例如,我们怀疑大脑动力学可控性的降低可能与精神疲劳或意识丧失有关。我们预计控制理论观点将为这一目标提供新的见解,“Oizumi说。

智能推荐