可激发复杂网络斑图动力学及其在与记忆相关的神经信息表达中的应用

Memory capacity is one of the most powerful functions of the brain. The brain processes spatial-temporal information and implements higher cognitive functions including memory by utilizing the dynamics of networks formed by a large number of neurons. So far, our knowledge on how the neural system encodes spatial information of external inputs has been advanced considerably, but little is known on the neural system processes temporal and rhythmic information of external inputs. A challenge issue which is widely debated is: how do neurons of the extremely short-term dynamics achieve long-term memory? Recent experimental data have shown that neurons have the typical excitable dynamical response and that the networks formed by neurons hold the small-world or scale-free topology. Thus, the function of neural information processing is closely related to the pattern dynamics of excitable complex networks. The study on the latter will not only promote the fields of pattern dynamics and complex networks, but also will also be fundamental for us to understand the mechanisms of information representation and control in the neural system. In this project, we aim to study the pattern dynamics of excitable complex networks and to explore their applications in the memory-related information representation. The research contents include: 1) the dynamical properties of attractor patterns in complex networks; 2) the encoding of temporal information in the attractor patterns of complex networks; and 3) utilizing the results of 1) and 2) to elucidate the mechanism of how the neural system memorizes long-term rhythmic information.

记忆是大脑最神奇的功能之一。大脑利用由大量神经元构成的网络来处理时空信息，实现包括记忆的高级认知功能。至今人们对神经系统如何记忆外界输入的空间信息已有较清楚认识[1]，但对时间信息和节律记忆的机制知之甚少，尤其是具有极短激发时程的神经元如何实现长时程记忆这一问题成为目前极具挑战和争议的课题[2]。近年来实验数据表明神经元具有典型可激发性且它们连接构成的许多网络具有小世界或无标度性。因此，神经系统信息处理功能与可激发复杂网络斑图动力学密切相关。复杂网络斑图动力学的研究对斑图动力学和复杂网络两个领域都会有重要推动，对理解神经系统的信息储存和调控也起到关键作用。本项目致力于研究可激发复杂网络斑图动力学，并探索其在与记忆相关的神经信息表达中的应用。研究内容包括：1）复杂网络吸引子斑图的动力学特征；2）可激发复杂网络吸引子斑图对时间信息的编码；3）利用1）和2）的成果认识神经系统记忆长时程节律信息。

记忆是大脑最神奇的功能之一。大脑利用由大量神经元构成的网络来处理时空信息，实现包括记忆的高级认知功能。至今人们对神经系统如何记忆外界输入的空间信息已有较清楚认识，但对时间信息和节律记忆的机制知之甚少，尤其是具有极短激发时程的神经元如何实现长时程记忆这一问题成为目前极具挑战和争议的课题。近年来实验数据表明神经元具有典型可激发性且它们连接构成的许多网络具有小世界或无标度性。因此，神经系统信息处理功能与可激发复杂网络斑图动力学密切相关。复杂网络斑图动力学的研究对斑图动力学和复杂网络两个领域都会有重要推动，对理解神经系统的信息储存和调控也起到关键作用。因此，本项目研究了可激发复杂网络斑图动力学，并探索其在与记忆相关的神经信息表达中的应用。研究内容主要包括：1）复杂网络吸引子斑图的动力学特征；2）可激发复杂网络吸引子斑图对时间信息的编码；3）利用1）和2）的成果认识神经系统记忆长时程节律信息。 .我们的工作揭示这些大尺度拓扑结构在神经计算中扮演了重要的角色，其对我们理解脑处理时间信息的机制有重要意义，包括：1）神经系统可以用大量神经元所组成的环或链来表征时间；2）大尺度神经网络就像一个资源库，包含了大量不同尺度的环，因而能够编码大范围的时间节律信息；3）神经系统可以通过简单学习律从资源库中选出和输入节律相匹配的环，从而可以快速简单地提取输入的节律信息；4）我们的工作支持大脑可以利用局部神经网络动力学来分布式地处理时间。