脉冲神经元复杂网络中阈下信号的高效传输

我们研究了在不同水平的底层噪声存在下，弱阈下信号在真实神经介质中的高效传输和处理。假设最大突触电导具有 Hebbian 权重——这自然地平衡了具有兴奋性和抑制性突触的网络——并考虑影响此类电导的短期突触可塑性，我们在系统中发现了不同的动态相。这包括神经元群体保持同步的记忆相、不同同步神经元群体之间出现转换的振荡相，以及异步或噪声相。当对每个神经元施加弱刺激输入时，增加介质中的噪声水平，我们发现对于系统中明确定义的不同随机性水平，在分离不同相的过渡点和临界点附近，此类刺激得到了高效传输。我们证明了这一有趣现象具有相当的鲁棒性，因为它出现在多种情况下，包括多种类型的突触可塑性、不同类型和数量的存储模式以及多样的网络拓扑，即稀疏网络和复杂拓扑（如无标度网络和小世界网络）。我们得出结论，该现象在不同真实场景（包括脉冲神经元、短期突触可塑性和复杂网络拓扑）中的鲁棒性，使其极有可能也发生在实际神经系统中，正如近期的心理物理实验所表明的那样。