大规模神经元活动的精确极小极大熵模型

在大脑中，精细尺度的相关性组合产生宏观活动模式。然而，随着实验记录越来越大的神经元群体，我们遇到了一个根本性的瓶颈：人们希望纳入模型的相关性数量增长得比可用数据更快。在这种欠采样状态下，我们必须专注于一个稀疏的相关性子集；最优选择包含关于活动模式的最大信息，或者等价地，最小化所推断最大熵模型的熵。应用这一“极小极大熵”原则通常是棘手的，但我们在此提出了一种精确且可扩展的解决方案，适用于组合成树（无环网络）的成对相关性。将我们的方法应用于小鼠海马体中超过一千个神经元，我们发现最优相关性树将我们对群体活动的不确定性降低了14%（比随机树高出50倍以上）。尽管只包含了所有成对相关性的0.1%，这个极小极大熵模型准确地预测了观察到的大规模神经活动同步性，并且随着群体规模的增长变得更加精确。推断出的伊辛模型几乎完全是铁磁性的（具有正相互作用），并表现出热力学临界性的特征。这些结果表明，一个稀疏的兴奋性相互作用主干可能在驱动集体神经元活动中扮演重要角色。