Neural hesablamaların atış sürətinə və ya zirvə vaxtına əsaslanıb-olmamasına onlarca ildir ki, heç bir qəti həll olmadan mübahisə olunur. Burada təkrarlanan bir dırnaqlı şəbəkə simulyasiyasından və realist dəyişən giriş sürücüsündən istifadə edərək iki mexanizmin tamamlayıcı olduğunu göstəririk: dərəcə stimul sinifini etibarlı olaraq aşkar edir, ansambl sinxroniyası isə stimul tanışlığını etibarlı şəkildə aşkar edir. İşin bu bölüşməsi lazımdır: dərəcə kodlaşdırılması yeni güclü sürücüyü tanınmış zəif sürücülük stimullarından ayırmaqda uğurlu deyil, eyni zamanda uğurlu olur. Biz V1-ə bənzər bir model və abstrakt bir əlaqəli yaddaş şəbəkəsi üzərində bu komplementar kodlamayı təsdiqləyirik, əlaqə rejimləri və yaddaş yükləri arasında möhkəmlik qururuq. Bundan əlavə, girişlər artıq vaxtla əlaqələndiriləndə, məsələn, əvvəlki şəbəkə qatında tanışlıq vasitəsilə, yalnız ansambl sinxroniyası stimul kimliyi və tanışlığı kodlaya bilər.
Neyronların necə hesablama və ünsiyyət qurduğunu anlamaq üçün hərəkət potensiallarının atış tezliyi kifayətdirmi və ya fərdi zirvələrin vaxtlanması mühüm əhəmiyyət kəsb edirmi? Qiymət kodları böyük üstünlüklər təklif edir: onlar təcrübəli stimullar və davranışlarla etibarlı şəkildə əlaqələndirilir1,2,3, çoxsaylı nəzəri və məlumatlara əsaslanan orta sahə və plastiklik analizinə əsasdır4,5,6, və təxminən uğurlu dərin öyrənmə şəbəkələrinin7. Bununla belə, bu üstünlüklər bir qiymətə gəlir: dərəcə kodları adətən bir çox zirvə və uzun vaxt pəncərələrində məlumatların toplanmasını tələb edir. Bu, sinir fəaliyyətindən məlumatların çıxarıla biləcəyi sürəti məhdudlaşdırır və sürətli zaman ölçevilərində davranışın hesablanması üçün dərəcə kodlarını potensial olaraq kifayət qədər etmir8,9. Zaman kodları nisbətən az zirvənin vaxt quruluşunda sürətli məlumat ötürülməsini dəstəkləyə bilər, kodlama sxemləri zirvənin dəqiq sırasını daşıyır10, stimul reaksiyasında vaxtdan ilk zirvəyə qədər 11, ritmik ossilasyonlar12, paternlər13 və zirvə sinxroniyası14. Döyüş qatarının dəyişikliyi vaxt kodlarının etibarlılığını təhdid etsə də15, bu dəyişiklik mənalı təkrarlı qarşılıqlı təsirləri əks etdirə bilər16 və ya vaxt kodlarının nisbi xarakterinə görə azaldıla bilər17. Beləliklə, beyinlərin vaxt və ya sürət məlumatlarına güvənməsinin və nə dərəcədə etibar etməsinin hələ də həll olunmamış əsas sual olaraq qalır.
Sürəti və vaxtını rəqabət alternatifi kimi görmək əvəzinə stimullar haqqında əlavə məlumatları kodlaşdırmağı təklif edirik. Biz iki əsas çətinlik ilə stimul aşkarlama vəzifəsi hazırladıq: stimul kimliyini müxtəlif giriş sürücüsü səviyyələrində kodlaşdırmaq və tanış və qeyri-ağlum stimulları fərqləndirmək. Burada biz mütləq və ya uzunmüddətli tanışlığa diqqət yetiririk, stimullar son vaxtlar təzahürdən nisbi tanışlıq əvəzinə təkrarlanan əlaqədə qurulmuş nümunələrə uyğun olub-olmadığı, çünki bunlar fərqli sinir mexanizmlərini əhatə edir18. İki kritik halı xüsusilə çətin, lakin fərqləndirmək vacibdir: zəif, lakin çox tanış stimullar və güclü, lakin tanış olmayan stimullar. Tanınmış yırtıcıdan gələn zəif bir çırpınma və ya güclü, bilinməyən bir səs eyni atəş dərəcələrini irəli sürə bilər, lakin əsasən fərqli reaksiya tələb edir. Hiss təmsillərinin ümumiyyətlə atış nisbətlərində kodlaşdırıldığına inanılsa da1,2,3, son sübutlar uzunmüddətli mütləq tanışlığın güclü təkrarlanan əlaqələrdən meydana gələn zirvə sinxroniyası kimi özünü göstərdiyini göstərir19,20,21. Bu, eyni şəbəkədə dərəcə və zirvə vaxtının kodlaşdırılmasının bir-birini tamamlayan bir sxemi təklif edir və hər biri stimul haqqında fərqli məlumatları daşıyır.
Biz bu komplementar kodlaşdırma hipotezisini iki təkrarlanan spiking şəbəkəsi istifadə edərək sınadıq: V1-ə bənzər bir model və abstrakt bir assosiativ yaddaş şəbəkəsi. Hər iki modeldə, ansambl sinxroniyası, tezlik kodlaşdırmasının uğursuz olduğu bir vəzifə olan müxtəlif giriş sürücüsünə baxmayaraq stimulların tanışlığını etibarlı şəkildə aşkar etdi. Əksinə, atış dərəcələri, tanışlıqdan asılı olmayaraq, hansı nöron ansamblının stimul təmsil etdiyini dəqiq müəyyənləşdirdi. Bizim çərçivəmizdə atış nisbətləri əvvəlcə aktiv əhalini yerləşdirir, bu ansambl daxilində hesablanan sinxroniya isə tanışlığı kodlaşdırır. Giriş fəaliyyəti artıq vaxtla əlaqələndiriləndə sinxroniya stimul təsnifatını əlavə olaraq dəstəkləyə və təsadüf-təsadüfi həssas nevronları daha təsirli şəkildə aşağı axınla idarə edə bilər. Buna görə də, tapıntılarımız göstərir ki, sürət və vaxt kodları təkrarlanan şəbəkədə ardıcıl və tamamlayıcı şəkildə işləyə bilər: atış sürətləri hansı nöronların stimul təmsil etdiyini müəyyən edir, sinxroniya isə bu təmsilənin nə qədər tanış olduğunu və vaxt koordinasiyası artıq girişdə olduğu zaman stimul kimliyini kodlaşdırmağa kömək edə bilər.
Biz neyron dairələrinin stimulların kimliyini və tanışlığını eyni zamanda dəyişən stimulların hərəkətinin real şəraitində necə kodlaşdırdığını araşdırdıq. Giriş sürücüsü və tanışlıq, bir şəkildə hansı obyektlərin təsvir edildiyi kimi təəssüratların xüsusi məzmunu haqqında məlumatlara əlavə olaraq, gələn stimullar haqqında iki növ meta-məlumatdır. Onlar, stimulların işlənmə və qərar qəbul etmək üçün əhəmiyyətini daha yüksək səviyyədə göstərirlər.
Giriş sürücüsü kortikal dövrələrə çatdıran aşağıdan yuxarı hiss siqnalının böyüklüyünü əks etdirir. Bu stimulların əhəmiyyətindən və ya prioritetindən fərqlənir, bu da əlavə olaraq yuxarıdan aşağı modulyasiyanı əhatə edir22. Görüş kontrasti və intensivliyi görüş sistemində, o cümlədən tamazadan, görüş qurtusuna geri dönüş daxilolmasını təmin edən nöronların atəş dərəcələrini təsir edən məlumdur23. Bizim simulyasiyada giriş sürücüsü giriş atış sürəti kimi modelləşdirilir. Bu əməliyyatlaşdırma hissə drive fərqlərindən irəli gələn aşağı-yuxarı əhəmiyyət əsas aspektini əhatə edir. Davranış səviyyəsində aşağıdan yuxarı hissə hissləri diqqəti yönləndirir və stimulların aşkarlanmasını asanlaşdırır24.
Xülasə — davamını mənbədə oxuyun.
