九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

導(dǎo)語

為何人腦的能耗遠(yuǎn)遠(yuǎn)低于電子計(jì)算機(jī)卻擁有超強(qiáng)的思考與運(yùn)算能力？答案很簡單：模塊化。

近期，香港浸會(huì)大學(xué)物理系、非線性研究中心研究團(tuán)隊(duì)【梁俊豪博士，王圣軍教授（陜西師范大學(xué)），周昌松教授】通過大規(guī)模數(shù)值模擬，并結(jié)合新型平均場理論方法，仔細(xì)研究了空間網(wǎng)絡(luò)上的興奮-抑制平衡神經(jīng)回路動(dòng)力學(xué)模型，揭示了大腦在結(jié)構(gòu)和動(dòng)力學(xué)兩方面同時(shí)達(dá)到最優(yōu)化的關(guān)鍵。相關(guān)成果發(fā)表于《國家科學(xué)評(píng)論》（National Science Review, NSR）。

作者將全局隨機(jī)連接的網(wǎng)絡(luò)（RN）重連為更符合生物實(shí)際的模塊網(wǎng)絡(luò)（MN），發(fā)現(xiàn)在重連后，網(wǎng)絡(luò)的運(yùn)行消耗（發(fā)放率）與連接消耗均顯著下降，且動(dòng)力學(xué)模式上出現(xiàn)無標(biāo)度的雪崩（即臨界性），使網(wǎng)絡(luò)能更有效地對(duì)外界刺激作出響應(yīng)（見下圖）。

（a）RN與MN的結(jié)構(gòu)示意；（b）神經(jīng)發(fā)放率與網(wǎng)絡(luò)連接消耗隨網(wǎng)絡(luò)重連的變化；（c）RN與MN的神經(jīng)雪崩規(guī)模分布頻率；（d）RN與MN受刺激后的響應(yīng)。

進(jìn)一步分析發(fā)現(xiàn)，上述性能改變的關(guān)鍵在于，在重連過程中模塊內(nèi)密度的增加：網(wǎng)絡(luò)拓?fù)湎嚓P(guān)性的上升帶來動(dòng)力學(xué)相關(guān)性的上升，使得神經(jīng)元更容易發(fā)放。利用新型平均場理論，作者導(dǎo)出了單個(gè)模塊的宏觀場方程，揭示了模塊密度增加引起神經(jīng)發(fā)放率降低，且使系統(tǒng)接近Hopf分岔的特性。這解釋了在更低發(fā)放代價(jià)下臨界雪崩的形成與對(duì)外界刺激敏感性的上升。作者又通過耦合多個(gè)模塊，得出耦合振子模型，揭示了原網(wǎng)絡(luò)重連過程中的動(dòng)力學(xué)變化規(guī)律（見下圖）。

該研究清晰地給出了大腦結(jié)構(gòu)與動(dòng)力學(xué)性質(zhì)相互作用，達(dá)至共同的效率最優(yōu)化（而非兩者的權(quán)衡）的準(zhǔn)則，為理解生物大腦的高效運(yùn)作原理，以及高性能類腦計(jì)算裝置的設(shè)計(jì)提供了有力的支撐。此項(xiàng)工作得到國家自然科學(xué)基金委、大學(xué)教育資助委員會(huì)（香港）、香港浸會(huì)大學(xué)戰(zhàn)略發(fā)展基金的支持。

文獻(xiàn)信息：

Lessis more: Wiring-economical modular networks support self-sustained firing-economical neural avalanches for efficient processing

https://doi.org/10.1093/nsr/nwab102