导语


神经临界性已成为一个统一框架，协调了如个体神经元的不规则放电、神经群体中的稀疏同步和无尺度雪崩的出现等多尺度神经动力学的多样性。然而，神经临界性的功能角色仍然模糊不清。特别是，高度敏感和变化多端的临界神经动力学如何与可靠的神经表征共存是一个未解决的问题。

集智俱乐部联合国内外多所知名高校的专家学者发起神经、认知、智能系列读书会第三季——「计算神经科学」读书会。从2024年2月22日开始，每周四19:00-21:00进行，持续时间预计10-15周，欢迎感兴趣的朋友报名参与，深入梳理相关文献、激发跨学科的学术火花！



分享简介




本周分享的这项研究，探讨了在激发-抑制（E-I）平衡网络中对外部信号的神经动力学和表征。研究显示：与传统的临界分支模型相比，平衡网络的临界状态同时实现了最大的响应敏感性、最大的响应可靠性和外部信号的最佳表征。此外，研究揭示了神经雪崩的功能角色，它们不仅是临界性的标志，还直接促进了神经表征。通过推广一个半分析的平均场理论，研究展示了抑制连接的异质性是神经群体稳态放电率异质性的一个机制，使得可靠的雪崩中存在信号可靠的神经元。这项研究解决了关于神经临界性功能意义的一个长期挑战——可靠性与变异性的复杂共存。





分享大纲 



 

一、研究问题：响应敏感性和可靠性

二、临界神经雪崩与敏感性

三、物理分支模型：没有可靠性

四、生物激发-抑制（E-I）神经网络模型：多层次动态的共同组织

五、敏感性与可靠性的调和

六、通过临界雪崩实现最佳神经表征

七、网络和动力学机制




主讲人介绍




物理学博士，香港浸会大学物理系教授、系主任，非线性研究中心主任，计算及理论研究所副所长, 生命科学影像中心主任。
研究方向：对生物神经网络复杂结构、动力学及其低成本高效益如何启发类脑智能具有浓厚的兴趣。致力于复杂系统动力学基础研究及其应用，特别是网络的复杂联结结构与体系的动态行为的关系和相互作用。近几年与国际国内系统和认知神经科学家合作，把这些理论进展应用到大脑的复杂联结结构和活动以及认知功能及障碍的分析和建模等方面研究中。




直播信息




时间：
2024年5月30日（本周四）晚上19:00-21:00
参与方式：
扫码参与计算神经科学读书会，加入群聊，获取系列读书会回看权限，成为计算神经科学社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动计算神经科学社区的发展。

报名成为主讲人：
读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。具体见系列读书会详情：计算神经科学读书会启动：从复杂神经动力学到类脑人工智能




资料推荐




[Review about neural criticality and E-I balance] Liang, Junhao, Zhuda Yang, and Changsong Zhou. “Excitation–Inhibition Balance, Neural Criticality, and Activities in Neuronal Circuits.” The Neuroscientist (2024): 10738584231221766.
[Example of branching process] P. Moretti and M. A. Muñoz, Griffiths Phases and the Stretching of Criticality in Brain Networks, Nat. Commun. 4, 2521 (2013)
[Example of branching process] Kuśmierz, Łukasz, Shun Ogawa, and Taro Toyoizumi. “Edge of chaos and avalanches in neural networks with heavy-tailed synaptic weight distribution.” Physical Review Letters 125.2 (2020): 028101.
[Example of branching process] Corral López, Roberto, Víctor Buendía, and Miguel A. Muñoz. “Excitatory-inhibitory branching process: A parsimonious view of cortical asynchronous states, excitability, and criticality.” Physical Review Research 4.4 (2022): L042027.
[Neural variability and sensitivity] O. Kinouchi and M. Copelli, Optimal Dynamical Range of Excitable Networks at Criticality, Nat. Phys. 2, 348 (2006).
[Neural variability and sensitivity] S. H. Gautam, T. T. Hoang, K. McClanahan, S. K. Grady, and W. L. Shew, Maximizing Sensory Dynamic Range by Tuning the Cortical State to Criticality, PLOS Comput. Biol. 11, e1004576 (2015).
[Neural variability and sensitivity] W. L. Shew, H. Yang, T. Petermann, R. Roy, and D. Plenz, Neuronal Avalanches Imply Maximum Dynamic Range in Cortical Networks at Criticality, J. Neurosci. 29, 15595 (2009).
[Neural variability and sensitivity] W. P. Clawson, N. C. Wright, R. Wessel, and W. L. Shew, Adaptation towards Scale-Free Dynamics Improves Cortical Stimulus Discrimination at the Cost of Reduced Detection, PLOS Comput. Biol. 13, e1005574 (2017).
[Tempotron] R. Gütig and H. Sompolinsky, The Tempotron: A Neuron That Learns Spike Timing–Based Decisions, Nat. Neurosci. 9, 3 (2006).
[Tempotron] G. Lajoie, K. K. Lin, J.-P. Thivierge, and E. Shea-Brown, Encoding in Balanced Networks: Revisiting Spike Patterns and Chaos in Stimulus-Driven Systems, PLOS Comput. Biol. 12, e1005258 (2016).



计算神经科学读书会


人类大脑是一个由数以百亿计的神经元相互连接所构成的复杂系统，被认为是「已知宇宙中最复杂的物体」。本着促进来自神经科学、系统科学、信息科学、物理学、数学以及计算机科学等不同领域，对脑科学、类脑智能与计算、人工智能感兴趣的学术工作者的交流与合作，集智俱乐部联合国内外多所知名高校的专家学者发起神经、认知、智能系列读书会第三季——「计算神经科学」读书会，涵盖复杂神经动力学、神经元建模与计算、跨尺度神经动力学、计算神经科学与AI的融合四大模块，并希望探讨计算神经科学对类脑智能和人工智能的启发。读书会从2024年2月22日开始，每周四19:00-21:00进行，持续时间预计10-15周，欢迎感兴趣的朋友报名参与，深入梳理相关文献、激发跨学科的学术火花！



详情请见：计算神经科学读书会启动：从复杂神经动力学到类脑人工智能



点击“阅读原文”，报名读书会