Учёные Саратовского национального исследовательского государственного университета имени Н.Г. Чернышевского показали, что два связанных между собой нейрона могут переходить в разные режимы работы – от молчания до синхронных колебаний – в зависимости от силы их взаимодействия и внешнего тока.
Это открытие помогает понять базовые механизмы работы нейронных сетей и может быть использовано в моделировании искусственного интеллекта, нейроинтерфейсов и спайковых нейросетей.
Авторы работы – сотрудники кафедры радиофизики и нелинейной динамики Института физики СГУ – провели численные эксперименты с двумя нейронами, смоделированными по классической биофизической модели Ходжкина–Хаксли. Эта модель подробно описывает электрические процессы в мембране нейрона и учитывает токи натрия, калия и пассивных ионов. В отличие от более простых моделей, таких как модель ФицХью–Нагумо, она ближе к реальным физиологическим процессам, что делает её особенно ценной при изучении нейронной динамики.
Учёные исследовали, как поведение такой пары нейронов меняется при разных значениях внешнего тока, начального мембранного напряжения и силы связи между ними.
Оказалось, что в зависимости от этих параметров система из двух нейронов может синхронизироваться в одном из трёх режимов: состоянии покоя (без колебаний), одиночном «спайке» или устойчивом автоколебательном режиме. Причём поведение одного нейрона напрямую зависит от второго: сильная связь может изменить исходный режим второго нейрона – как «разбудить» его, так и подавить возбуждение.
Татьяна Богатенко,
инженер учебной лаборатории радиофизики СГУ:
Нами показано, что режимами двух моделей нейронов в связке можно управлять не только постоянным внешним током, но также величиной силы связи и даже начальных условий.
Ключевой находкой стало то, что существует пороговое значение силы связи, при превышении которого режим работы нейронов резко меняется. Например, при слабом токе нейрон обычно пассивен, но если его связать с активным соседом, то при достижении определённой силы связи оба начинают синхронно колебаться. И наоборот – сильная связь способна привести к синхронному одиночному импульсу, даже если один из нейронов склонен к самовозбуждению. Эти эффекты отслеживались с помощью коэффициента корреляции Пирсона, позволяющего количественно оценить уровень синхронизации сигналов.
Пока рано говорить о прямом переносе результатов на живые системы: мозг состоит из миллиардов нейронов, а в исследовании изучалась лишь простейшая пара. Однако авторы уверены, что их работа поможет в моделировании более крупных сетей – например, для создания искусственных нейронных сетей или генерации синтетических сигналов, похожих на сигналы живой ткани.
По словам исследователей, если понять, как нейроны синхронизируются в малых группах, это даст ключ к пониманию более сложных процессов, в том числе, как работает мозг.
Сейчас команда изучает, как периодические сигналы и шум влияют на синхронизацию нейронов. Это важно, потому что в реальном мозге нейроны постоянно подвергаются внешним воздействиям.
Исследование поддержано стипендией фонда «Идея» № АСП-09-2021/I и может стать основой для будущих работ в нейроинтерфейсах и биомедицинских технологиях. Подробности научного проекта опубликованы в журнале Chaos.
