脑网络是否通过最大化信息流容量而演化

我们提出一个由数值模拟支持的工作假设，即脑网络基于其内部信息流容量最大化原则而演化。我们发现，演化网络的同步行为和信息流容量很好地复现了在秀丽隐杆线虫（Caenorhabditis elegans）和人类的脑动态网络中观察到的相同行为，这些网络是由这些脑网络给定图结构的 Hindmarsh-Rose 神经元网络。我们通过证明与秀丽隐杆线虫和人类的脑网络图距离最近的神经网络，正是以最大化信息流容量的耦合强度演化的 Hindmarsh-Rose 神经网络，从而有力地验证了我们的假设。令人惊讶的是，我们发现全局神经同步水平在脑演化过程中下降，这反映了一个潜在的全局非赫布式（no Hebbian-like）演化过程，该过程由演化期间某些簇的非赫布式学习行为以及神经元同步性增加的簇的赫布式（Hebbian-like）学习规则所驱动。