随机连通性如何塑造有限大小神经群的波动动力学
神经元与认知
2026-01-26 v2
摘要
有限大小神经群的亚毛细模型对于理解大脑中神经网络的动力学，尤其是其波动性和对刺激的响应至关重要。然而，当前的理论是基于均匀全连接（完全连接）网络推导的，这一假设忽略了生物学上真实网络中连通性方差（连接概率，即非全连接）。为洞察不同波动机制对神经变异性产生的影响，本文推导并分析了具有随机连通性（包括非全连接）、外部噪声和无序均值输入的泊松神经网络的随机均场模型。我们通过退化连通性的退化近似法来处理连通性的固定无序，从而实现对有限网络规模的双随机描述的突触输入。进一步的简化导致一套低维的耦合Langevin方程，用于描述膜电位的均值和方差，以及捕捉有限大小波动的变量。与微观仿真相比，亚毛细模型能够较好地描述波动和非线性行为，并优于忽略连通性方差的先前理论。连通性无序和有限网络规模的共同作用可通过有效非线性软化和尖波噪声的乘性特征来解析。亚毛细理论表明，固定无序可以稳定异步状态，并且准确预测了连接概率对群体放电率方差以及其对刺激强度依赖性的大量定量和非平凡定性效应。总之，本理论阐明了无序连通性如何塑造神经群的非线性动力学和波动。
引用
@article{arxiv.2412.16111,
title = {How random connectivity shapes the fluctuating dynamics of finite-size neural populations},
author = {Nils E. Greven and Jonas Ranft and Tilo Schwalger},
journal= {arXiv preprint arXiv:2412.16111},
year = {2026}
}