大脑活动源于高维混沌动力学吗？来自人类脑电图、猫大脑皮层和人工神经网络的证据

非线性时间序列分析表明，人类脑电图（EEG）可能与混沌系统共享统计和动力学特性。在慢波睡眠或癫痫等病理状态下，关联维数测量显示低值，而在清醒和注意力集中的受试者中，则不存在如此低的维数，EEG更类似于随机变量。我们简要回顾了这些结果，并将其与猫大脑皮层的记录以及理论模型进行了对比。在清醒或睡眠的猫中，用微电极插入皮层进行的记录显示，局部场电位（局部EEG）等全局变量与人类EEG相似。然而，在这两种情况下，神经元放电都是高度不规则的且呈指数分布，类似于泊松随机过程。为了尝试调和这些结果，我们研究了随机连接的整合-放电神经元网络模型，并将全局（平均）变量与神经元活动进行了对比。该网络显示出不同的状态，例如“同步规则”（SR）或“异步不规则”（AI）状态。在SR状态下，全局变量表现出具有低维度的相干行为，而在AI状态下，全局活动是高维混沌的，具有指数分布的神经元放电，类似于清醒的猫。尺度依赖的Lyapunov指数和ε-熵表明，小尺度（神经元）上看似随机的性质可以与更大尺度（平均值）上更相干的行为共存。因此，我们提出大脑活动遵循类似的模式，在小尺度（神经元）上具有看似随机的动力学，而在大尺度（EEG）上则表现出更相干的行为或高维混沌。