神经群体时变相互作用与宏观动力学的近似推断

统计物理中的模型（如 Ising 模型）提供了一种便捷的方式来表征神经群体的稳态活动。这种神经元的稳态活动常见于离体脑切片或麻醉动物的记录中。然而，对清醒动物皮层回路的活动进行建模更具挑战性，因为无论是放电率还是相互作用都可能根据感觉刺激、行为或大脑的内部状态而发生变化。以往对神经相互作用动力学进行建模的方法计算成本高昂；因此，其应用仅限于十几个神经元。在此，通过将多种解析近似方法引入神经群体活动的状态空间模型，我们使得估计多达 60 个神经元的动态成对相互作用成为可能。更具体地说，我们将伪似然近似应用于状态空间模型，并将其与 Bethe 或 TAP 平均场近似相结合，使得对模型参数的序贯贝叶斯估计成为可能。这种大规模分析使我们能够研究刺激处理与行为背后的神经回路宏观性质的动力学。我们表明，该模型通过模拟数据准确估计了稀疏性、熵和热容等网络性质的动力学，并通过分析猕猴 V4 神经元以及模拟的脉冲神经元平衡网络的活动，展示了这些指标的效用。