在大脑中，共同的输入在引发神经元组装中的同步放电方面发挥着重要作用。但是，观察者通常不知道公共输入。如果一个未被观察到的公共输入只能从输出中重构出来，那将有利于理解大脑中的信息交流。

因此，东京理科大学（Tokyo University of Science）的研究团队开发了一种仅从非耦合神经元模型的输出放电率重建公共输入的方法。为此，该团队提出了一个叠加递归图（SRP），包括通过使用多个递归图中每个像素处的点的联合确定的点。当使用具有不同放电率基线的各种类型的神经元时，SRP 方法可以重建公共输入，即使在使用表现出混沌响应的非耦合神经元模型时也是如此。

当根据波动的宽度选择足够的时间窗口来计算放电率时，SRP 方法可以稳健地重建应用于神经元模型的公共输入。这些结果表明某些信息嵌入在发射率中。这些发现可能成为利用速率编码分析全脑通信的可能基础。

该研究以「Superposed recurrence plots for reconstructing a common input applied to neurons」为题，于 2022 年 9 月 12 日发布在《PHYSICAL REVIEW E》。

图片

论文链接：https://journals.aps.org/pre/abstract/10.1103/PhysRevE.106.034205

内容中包含的图片若涉及版权问题，请及时与我们联系删除