技术突破|一种能分析数千个神经元产生的大量数据的新方法

科学家们获得了一项技术上的突破，这可能有助于回答有关动物如何处理信息和适应环境变化的关键问题。研究人员开发的这种新的框架能够分析研究动物大脑中数千个神经元产生的大量数据。

　　

科学家们在预测大型网络中神经元的行为方面取得了突破性进展。

英国萨塞克斯大学和京都大学的一项最新研究概述了一种新方法，能够分析数千个神经元产生的大量数据。

这个新框架通过更准确地估计系统的波动，对参数变化更敏感，在预测和评估网络特性方面优于以前的模型。

这一技术公布在Nature Communications杂志上。

由于新技术允许记录来自活体动物的数千个神经元，因此迫切需要数学工具来研究非平衡态，它们生成的高维数据集的复杂动力学。在这项研究中，研究人员希望能帮助回答有关动物如何处理信息和适应环境变化的关键问题。

研究人员还相信，他们的工作可以有效地降低训练大型人工智能模型的大量计算成本，从而使此类模型更广泛地应用。萨塞克斯大学Miguel Aguilera博士说：“直到最近，我们才有了记录动物体内数千个神经元与环境相互作用的技术，这是一个巨大的进步，有助于研究在实验室培养或固定或麻醉动物中分离的神经元网络。”

“这是一个非常令人兴奋的进步，但我们还没有分析和理解非平衡行为产生的大量数据的方法。我们的贡献提供了将技术向前推进的可能性，找到解释神经元如何处理信息和产生行为的模型，开发了一种方法来快速接近神经网络模型的复杂动力学，这种方法可以捕捉到在实验室观察到的真实神经元的行为、它们之间的联系以及它们如何处理信息。

Aguilera博士说：“学习系统如何工作的最有效方式是使用统计模型和近似值，其中最常见的是平均场方法，即网络中所有相互作用的影响都是有限的近似于简化的平均效应。”

“但这些技术通常只在非常理想的条件下工作。大脑处于不断变化、发展和适应之中，表现出复杂的波动模式，并与快速变化的环境相互作用。我们的模型旨在精确地捕捉这些非平衡状态的波动，我们期望理解动物在自然环境中自由行为。”

统计方法捕捉到混沌边缘区域的大型网络的动态，混沌活动和有序活动之间的一种特殊行为区域，在这里神经元活动发生剧烈波动，称为神经元雪崩（neuronal avalanches）。

与以前的数学模型不同，研究人员应用信息几何方法来更好地捕捉网络关联，这使得他们能够创建近似于神经活动轨迹的简化地图，而神经活动的轨迹实际上是非常复杂的，很难直接计算，“信息几何学为我们提供了一条清晰的途径，可以系统地改进我们的方法，提出新的方法，从而产生更精确的数据分析工具。这个框架除了为系统提供先进的计算方法外，还统一了许多现有的方法，从中我们可以进一步推进神经科学和机器学习。我们很高兴能提供这样一个统一的观点，作为这种激烈国际合作的产物，它表达了科学进步的一个标志。”

Aguilera博士接下来将把这些方法应用于实验室中的数千个斑马鱼神经元的建模，这作为欧盟资助的DIMENSIVE项目的一部分，研究目的是开发大规模行为的生成模型，并提供重要的见解，了解行为是如何从有机体的神经系统、身体和环境的动态相互作用中产生的。

原文标题：

Miguel Aguilera, S. Amin Moosavi, Hideaki Shimazaki. A unifying framework for mean-field theories of asymmetric kinetic Ising systems. Nature Communications, 2021; 12 (1) DOI: 10.1038/s41467-021-20890-5