Questa è un'istantanea tratta da una simulazione numerica del modello bidimensionale di Wilson-Cowan con input stocastico (Eq. (3) nel nostro articolo). I pixel gialli (blu) rappresentano un'attività alta (bassa). Credito:Tiberi et al.
La ricerca neuroscientifica passata suggerisce che le reti neurali biologiche nel cervello potrebbero auto-organizzarsi in uno stato critico. In fisica, uno stato critico è essenzialmente un punto che segna il passaggio tra fasi ordinate e disordinate della materia.
I ricercatori del Jülich Research Centre, della RWTH Aachen University e della Sorbonne Université hanno recentemente introdotto una teoria che potrebbe aiutare a spiegare la criticità nel cervello. Questa teoria, introdotta in un articolo pubblicato in Physical Review Letters , si basa su una teoria del campo neurale prototipo, nota come "equazione stocastica di Wilson-Cowan".
"Lavori precedenti hanno fornito prove che il cervello opera in un punto critico", hanno detto a Phys.org Lorenzo Tiberi, Jonas Stapmanns, Tobias Kühn, Thomas Luu, David Dahmen e Moritz Helias, i ricercatori che hanno condotto lo studio, via e-mail . "Tuttavia, non è chiaro quale dei molti possibili tipi di criticità sia implementato in modo specifico dal cervello e come quest'ultimo possa sfruttare la criticità per un calcolo ottimale".
Per classificare i diversi tipi di criticità i fisici utilizzano tipicamente metodi all'interno del cosiddetto gruppo di rinormalizzazione (RG). Si tratta essenzialmente di approcci formali che possono essere utilizzati per indagare sistematicamente i cambiamenti in un sistema fisico a diverse scale.
Figura astratta che illustra l'approccio del gruppo di rinormalizzazione (RG). Osservando il sistema su scale di lunghezza sempre più grossolane (indicate dai cerchi concentrici e dalla freccia davanti al cervello), la forza delle interazioni non lineari (rappresentate dal diagramma di Feynman a sinistra) diminuisce solo lentamente e in particolare rimane distinta da zero anche su grandi scale spaziali (curva con punti colorati). Sfondo:come nella figura 1 ma con una combinazione di colori diversa. Credito:Tiberi et al.
Nel loro studio, i ricercatori hanno adattato questi metodi tradizionali e li hanno integrati con un modello di campo neuronale prototipo proposto per la prima volta da Wilson e Cowan. Li hanno quindi applicati specificamente al campo delle neuroscienze per esaminare le criticità nelle reti neurali biologiche.
"Nel nostro lavoro, studiamo le consolidate equazioni di Wilson-Cowan con input stocastici, quindi il modello che utilizziamo non è nuovo", hanno affermato Tiberi, Stapmanns e i loro colleghi. "Tuttavia, utilizzando le tecniche RG, arriviamo a un risultato originale."
Per completare compiti computazionali, compiti cognitivi che implicano calcoli, il cervello umano deve essere in grado di memorizzare i dati di input che riceve e quindi combinarli in modi complessi. Questo a sua volta gli consente di elaborare le informazioni e risolvere il problema computazionale.
"Abbiamo scoperto che la criticità nel modello del campo neurale Wilson-Cowan è di tipo Gell-Mann-Low, che, tra tutti i tipi di criticità, offre specificamente un equilibrio ottimale tra la memorizzazione dei dati di input e la loro combinazione in modi complessi", Tiberi, Stapmanns e i loro colleghi hanno detto.
Figura che illustra lo studio delle capacità computazionali del modello. Al sistema viene aggiunto uno stimolo (input strutturato) (con coordinate spaziali xey) che evolve nel tempo t mentre la rete è anch'essa guidata da input stocastici (drive rumoroso). Una lettura lineare viene addestrata per ricostruire o classificare lo stimolo in ingresso da un'istantanea dell'attività nel sistema. L'attività di ricostruzione verifica la memoria del sistema, mentre l'attività di classificazione richiede interazioni non lineari. Credito:Tiberi et al.
Utilizzando i metodi RG, i ricercatori sono riusciti a studiare gli effetti delle interazioni non lineari nel modello Wilson-Cowan, che sono fondamentali per comprendere come il cervello elabora le informazioni. Si tratta di un risultato notevole, poiché i metodi del campo medio utilizzati da altri team in passato non sono stati in grado di catturare questi effetti, in particolare quando le interazioni sono abbastanza forti da modellare le dinamiche cerebrali su scala macroscopica.
"Ci aspettiamo che i metodi RG saranno utili per studiare altri processi non lineari nelle reti neuronali", ha spiegato il team. "Inoltre, tracciamo connessioni con altre aree della fisica:il concetto di criticità Gell-Man-Low ha origine dalla teoria quantistica dei campi e il modello Kardar-Parisi-Zhang, che è strettamente correlato al nostro modello, è stato originariamente utilizzato per descrivere la crescita dinamica di interfacce."
In futuro, la teoria introdotta da questo team di ricercatori potrebbe essere utilizzata per esaminare varie altre dinamiche cerebrali e processi neurali, andando oltre la criticità. Inoltre, alla fine potrebbe aprire la strada all'introduzione di altri costrutti teorici che uniscono fisica e neuroscienza.
"Nel cervello, la forza delle connessioni tra i neuroni è molto variabile al punto che in una prima approssimazione può essere descritta come casuale", hanno aggiunto i ricercatori. "Ora abbiamo in programma di applicare i nostri metodi a modelli neurali che includono questa caratteristica e vedere quale effetto ha, se del caso, sul tipo di criticità che troviamo". + Esplora ulteriormente
© 2022 Rete Science X
