通过振荡模式分解线性 Langevin 系统的热力学耗散及其在神经动力学中的应用

随机热力学的最新进展阐明了非平衡动力学系统中熵产生率（热力学耗散）与信息处理物理极限之间的各种关系。这些发现为分析真实的生物系统提供了新视角。在神经科学中，量化熵产生的重要性引起了关注，以理解大脑中的信息处理。然而，熵产生率与许多生物系统中常见的振荡之间的关系仍不清楚。例如，delta、theta 和 alpha 波等神经振荡在大脑信息处理中起着至关重要的作用。在此，我们推导出了线性 Langevin 系统熵产生率的一种新颖分解。我们表明，熵产生率的一个分量，即维持型熵产生率，可以分解为来自振荡模式的独立正贡献。我们的分解使我们能够计算振荡模式对维持型熵产生率的贡献。此外，当噪声矩阵为对角矩阵时，每个振荡模式的贡献可以进一步分解为每个系统元素的贡献。为了证明我们分解的实用性，我们将其应用于在猴子清醒和麻醉状态下记录的皮层脑电图 (ECoG) 数据集，其中振荡特性发生了剧烈变化。我们展示了不同猴子间一致的趋势：麻醉状态下 delta 频段的贡献大于清醒状态，而 theta 等较高频段的贡献较小。这些结果使我们能够从随机热力学和信息处理物理极限的角度解释神经振荡的变化。