В недавно опубликованном исследовании ученые из Саратовского национального исследовательского государственного университета имени Н.Г. Чернышевского (СГУ) сделали важный шаг в изучении нейронных сетей. Они продемонстрировали, что два связанных нейрона могут переключаться между различными режимами работы, что зависит от силы их взаимодействия и внешнего тока. Это открытие может послужить основой для моделирования искусственного интеллекта и создания нейроинтерфейсов.
Исследователи использовали классическую биофизическую модель Ходжкина — Хаксли для моделирования электрических процессов в мембране нейрона. Эта модель более точно отражает физиологические процессы по сравнению с упрощенными моделями, такими как модель ФицХью — Нагумо, что делает ее незаменимой в изучении нейронной динамики.
Авторы исследования изучили, как внешние токи, начальное мембранное напряжение и сила связи влияют на поведение пары нейронов. Они обнаружили, что система из двух нейронов может синхронизироваться в одном из трех режимов: состоянии покоя, одиночном «спайке» или устойчивом автоколебательном режиме. Взаимодействие между нейронами оказывается решающим: сильная связь может «разбудить» нейрон или подавить его активность.
«Нами показано, что режимами двух моделей нейронов в связке можно управлять не только постоянным внешним током, но также величиной силы связи и даже с помощью начальных условий», — рассказала один из авторов исследования, сотрудник кафедры радиофизики и нелинейной динамики Института физики СГУ Татьяна Богатенко.
Ключевым открытием этого исследования стало определение порогового значения силы связи, при превышении которого режим работы нейронов резко меняется. Например, при слабом токе нейрон обычно пассивен, но если его связать с активным соседом, то при достижении определенной силы связи оба начинают синхронно колебаться. Обратно, сильная связь способна привести к синхронному одиночному импульсу, даже если один из нейронов склонен к самовозбуждению.
По словам исследователей, понимание того, как нейроны синхронизируются в малых группах, может дать ключ к пониманию более сложных процессов, в том числе работы мозга. Хотя пока рано говорить о прямом переносе результатов на живые системы, авторы уверены, что их работа может помочь в моделировании искусственных нейронных сетей или генерации синтетических сигналов, схожих с сигналами живой ткани.
«`
