Input comuni ricostruiti utilizzando neuroni chattering disaccoppiati utilizzando (a) finestre temporali di 100–2500 ms e (b) una finestra temporale di 12.500 ms (ridimensionata per il confronto). Credito:Revisione fisica E (2022). DOI:10.1103/PhysRevE.106.034205
Il cervello è un organo estremamente complesso il cui esatto funzionamento rimane difficile da capire. In media, il cervello umano contiene 100 miliardi di neuroni che si attivano dopo aver ricevuto segnali di input da più organi sensoriali. Ma ciò che è veramente straordinario del nostro cervello è la sincronizzazione di questa scarica neurale quando viene attivata da un input comune. In parole povere, input comuni possono generare una risposta collettiva nei neuroni che non solo sono separati spazialmente, ma hanno anche caratteristiche di attivazione diverse.
La sincronizzazione neurale è stata osservata in precedenza negli esperimenti ed è comunemente dimostrata durante il riposo e le attività che coinvolgono compiti. Tuttavia, gli input comuni che producono questo sono in genere sconosciuti nelle situazioni del mondo reale. Ciò solleva una domanda interessante:è possibile ricostruire questo input osservando l'output dei neuroni?
In un nuovo studio pubblicato su Physical Review E il 12 settembre 2022, un team di ricercatori giapponesi, guidato dal professor Tohru Ikeguchi della Tokyo University of Science (TUS), ha deciso di rispondere a questa domanda. Il team, tra cui il Professore Associato Ryota Nomura dell'Università di Waseda (ex TUS) e il Professore Associato Kantaro Fujiwara dell'Università di Tokyo, ha esaminato le frequenze di scarica dei neuroni ed è riuscito a ricostruire il segnale di ingresso utilizzando un metodo chiamato "trama di ricorrenza sovrapposta" (SRP).
"Abbiamo sviluppato un metodo che utilizza un diagramma di ricorrenza (RP). RP è stato originariamente introdotto per caratterizzare i sistemi dinamici non lineari poiché contengono informazioni multidimensionali, nonostante forniscano solo una visualizzazione bidimensionale", spiega il prof. Ikeguchi. "Dato che i neuroni sono sistemi dinamici non lineari, possiamo ipoteticamente ottenere informazioni su un input comune se bilanciamo gli effetti della dinamica neurale."
Il metodo SRP utilizzato dal team nel loro lavoro è semplicemente un RP in cui un valore di pixel viene sommato sui pixel corrispondenti di più RP e quindi assegnato un valore binario di 0 o 1 a seconda che la somma sia uguale o maggiore di 1.
Il team ha utilizzato il modello standard di Izhikevich per studiare le attivazioni di neuroni disaccoppiati. Hanno considerato tre casi distinti di pattern di attivazione neuronale. Nel primo caso, hanno ricostruito l'input comune per i neuroni localizzati con velocità di scarica simili. Nel secondo caso, lo hanno fatto per una miscela di neuroni con diverse frequenze di attivazione di base. Infine, nel terzo caso, hanno studiato se il metodo SRP potesse ricostruire un input comune per una risposta caotica del modello Izhikevich.
Abbastanza sicuro, hanno scoperto che potevano ricostruire il segnale di ingresso utilizzando il metodo SRP per i neuroni caotici. "Quando selezioniamo un periodo di tempo adeguato per calcolare le frequenze di scarica dei neuroni, siamo in grado di ricostruire il segnale di ingresso con una precisione piuttosto elevata", afferma il prof. Ikeguchi. Questo rappresenta un importante passo avanti non solo nello studio del cervello e delle scienze neurali, ma anche in altri sistemi dinamici che mostrano comportamenti caotici.
Le potenziali implicazioni delle loro scoperte sono enormi per l'intelligenza artificiale, come osserva il Prof. Ikeguchi:"Gli attuali modelli di intelligenza artificiale non possono riprodurre veramente la potenza di elaborazione delle informazioni del nostro cervello. Questo perché i modelli neuronali utilizzati sono troppo semplificati e tutt'altro che rappresentativi del neuroni reali nel nostro cervello. La nostra ricerca ci avvicina di un passo alla comprensione di come avviene il processo di informazione all'interno del nostro cervello. Questo potrebbe aprire la strada a nuovi dispositivi informatici neuromorfici".
Inoltre, potrebbe aiutarci a capire meglio l'insorgenza dei disturbi di salute mentale e a ideare trattamenti per loro. Nel complesso, lo studio potrebbe aprire gli occhi su quanto bene (o poco) comprendiamo il nostro cervello. + Esplora ulteriormente
