URV研究人员发现了一种预测神经网络退化的方法

　　

   

   

神经网络是如何工作的?它对失败有什么反应?你怎么能精确地预测它什么时候会停止工作，什么时候会发生什么。所有这些问题现在都由罗维拉维吉里大学计算机工程与数学系的àlex Arenas教授领导的一个研究小组解答。Arenas已经找到了一个非常复杂的过程的理论解释，现在可以预测所有网络系统将如何运作。这项研究的结果发表在《自然通讯》杂志上。

渗透是指网络系统在某一特定点发生故障，最终影响整个网络结构的过程。举个例子，如果一个塔出了问题，整个地区就会停电。在神经等生物系统中，这一过程更为明显。由于各种原因，神经元会退化，直到其中一些死亡。这些由衰老、疾病或意外事故引起的神经元故障，最终导致与大脑的连接严重丧失，神经网络停止正常工作。几十年来，科学界一直在研究这种渗透过程，以及所谓的相变:即网络被切断后将完全停止运作的临界点。

“我们的研究开始于几年前，当时我在乔迪·索里亚诺(Jordi Soriano)领导的UB神经科学团队工作，”阿里纳斯解释说。“我们观察到，即使我们用激光直接破坏了神经元连接，该系统仍然非常有效地运行。”这种现象被称为内稳态可塑性:尽管被切割，系统仍试图继续做切割前的事情。它寻找替代方案，继续正常运转的方法。

现在，URV研究团队已经设法找到了渗透退化阶段转变的答案:也就是说，在系统完全退化和失去功能之前，了解系统可以遭受多大的破坏。阿里纳斯说:“我们已经找到了这种转变，我们也已经能够计算出网络的内稳态反应(即找到替代方案并继续运作的能力)。”

这些结果很重要，因为科学界现在拥有一套数学工具，“这不仅对神经科学非常有用，而且对任何类型的网络都非常有用，”他说。这项研究让我们在理解网络系统如何在维护其功能的同时对外部损害作出反应、补偿其中一部分的故障并将活动重定向到另一部分的过程中向前迈进了一步。

“了解这些过程可以在许多领域提供解决方案，”Arenas说，他举了阿尔茨海默氏症(Alzheimer’s)等疾病为例，许多患者可以记住他们童年时期的事情，但不能记住他们生活中最近的一些方面。这与他们的神经网络所经历的退化有关。现在我们明白了为什么会发生这种情况，我们可以将这一知识应用到研究中，研究那些开始患上这种疾病的人。研究人员说:“例如，我们将能够知道他们对控制问题的反应，推断出他们的神经系统退化的程度，并尝试药物或其他干预来尝试重新连接，因为现在我们知道这些退化过程是如何在物理上起作用的。”

这项研究的结果也可以应用到其他领域，比如道路网络。如果一条道路需要被切断，交通需要改道到其他地区，那么就有可能预测哪里会出现拥堵，以及需要采取什么行动来吸收那里的交通。

文章标题

Percolation in networks with local homeostatic plasticity