已知生物脑网络特征引发丰富动力学并导致有状态网络

哺乳动物大脑可能包含密集与稀疏的网络连接结构，包括兴奋性与抑制性神经元，但没有任何清晰定义的输出层。神经元具有时间常数，这意味着整合后的网络结构具有状态记忆。网络结构包含神经元之间在不同条件下的复杂相互作用，其依赖于网络的内部状态。内部状态可定义为整个网络中各独立神经元活动的分布。因此，神经元/网络的状态成为信息在网络内如何表征的决定因素。为此，我们构建了一个完全连接（采用密集/稀疏编码策略）的循环网络，由兴奋性与抑制性神经元组成，由不同频率的伪随机输入驱动。在本研究中，我们评估了丰富网络状态动力学的特定神经元内在参数变化的影响，如初始神经元活动、与阈值神经元组合的抑制量以及传导延迟。通过量化给定输入下网络内神经元间相互作用的变化来评估该影响。我们发现此类效应在稀疏连接网络中比在密集连接网络中更为显著。然而，密集连接网络也可利用神经元间相互作用的这种动态变化，因为给定输入可诱导多种不同的网络状态。