論文の概要: Brain functions emerge as thermal equilibrium states of the connectome
- arxiv url: http://arxiv.org/abs/2408.14221v2
- Date: Sat, 19 Oct 2024 22:37:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 17:02:03.118055
- Title: Brain functions emerge as thermal equilibrium states of the connectome
- Title(参考訳): コネクトームの熱平衡状態としての脳機能
- Authors: Elkaïoum M. Moutuou, Habib Benali,
- Abstract要約: 神経科学における基本的なパラダイムは、認知機能は脳の構造的構造によって形成されることである。
構造コネクトームの関数状態が代数量子系の熱平衡状態として現れる枠組みを提案する。
線虫Em Caenorhabditis elegansのコネクトームにこの枠組みを適用した。
- 参考スコア(独自算出の注目度): 0.3453002745786199
- License:
- Abstract: A fundamental paradigm in neuroscience is that cognitive functions -- such as perception, learning, memory, and locomotion -- are shaped by the brain's structural organization. However, the theoretical principles explaining how this physical architecture governs its function remain elusive. Here, we propose an algebraic quantum mechanics (AQM) framework in which the functional states of a structural connectome emerge as thermal equilibrium states of an algebraic quantum system defined on the underlying directed multigraph. These equilibrium states, derived from the Kubo-Martin-Schwinger (KMS) states formalism, capture the contribution of each neuron to the overall information flow. We apply this framework to the connectome of the nematode {\em Caenorhabditis elegans}, providing a detailed description of the KMS states, exploring their functional implications, and predicting functional networks based on anatomical connectivity. Ultimately, our approach reveals functional circuits predicted by the topology of the connectome and illuminates on the mechanisms linking structure to function.
- Abstract(参考訳): 神経科学の基本的なパラダイムは、認知機能(知覚、学習、記憶、移動)が脳の構造的構造によって形成されることである。
しかし、この物理的アーキテクチャが機能をどのように支配するかを説明する理論的原理は、いまだ解明されていない。
本稿では、構造コネクトームの関数状態が、基礎となる有向多重グラフ上に定義された代数量子系の熱平衡状態として出現する代数量子力学(AQM)フレームワークを提案する。
これらの平衡状態は、KMS(Kubo-Martin-Schwinger)から派生したもので、情報フロー全体への各ニューロンの寄与を定式化している。
線虫Cenorhabditis elegans {\displaystyle {\em Caenorhabditis elegans} のコネクトームにこの枠組みを適用し、KMS状態の詳細な説明、機能的含意の探索、解剖学的接続に基づく機能的ネットワークの予測を行う。
究極的には,コネクトームのトポロジーによって予測される機能回路を明らかにし,構造と機能とをリンクする機構に光を照射する。
関連論文リスト
- Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳(メタデータ) (2024-05-21T20:37:07Z) - Functional connectivity modules in recurrent neural networks: function,
origin and dynamics [41.988864091386766]
加群は入力層から繰り返し層への射影の符号と重みの非対称性から自然に形成されることを示す。
モジュールは、システム動作やダイナミクスの制御において、同様の役割と接続を定義する。
論文 参考訳(メタデータ) (2023-10-31T16:37:01Z) - A Recursive Bateson-Inspired Model for the Generation of Semantic Formal
Concepts from Spatial Sensory Data [77.34726150561087]
本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。
このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。
このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
論文 参考訳(メタデータ) (2023-07-16T15:59:13Z) - A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。
プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。
ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
論文 参考訳(メタデータ) (2023-01-17T15:16:21Z) - Joint Graph Convolution for Analyzing Brain Structural and Functional
Connectome [11.016035878136034]
本稿では,脳領域間でネットワーク間エッジを付加することにより,個人の2つのネットワークを結合することを提案する。
ネットワーク間エッジの重みは学習可能であり、脳全体の非一様構造-機能結合強度を反映している。
青少年期におけるアルコール・神経発達に関する全国コンソーシアムの公開データセットから,662人の参加者の年齢と性別を予測するために共同GCNを適用した。
論文 参考訳(メタデータ) (2022-10-27T23:43:34Z) - The Free Energy Principle drives neuromorphic development [0.0]
形態学的な自由度と局所的に制限された自由エネルギーを持つシステムは、ニューロモルフィックな形態に向かってどのように進化するかを示す。
この形態学は、各レベルが入力の粗粒化を行い、出力の微細粒化を行う階層計算をサポートする。
論文 参考訳(メタデータ) (2022-07-20T08:22:03Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳(メタデータ) (2022-05-06T03:45:36Z) - Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural
Networks [69.42260428921436]
クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。
我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。
CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
論文 参考訳(メタデータ) (2022-04-05T17:13:36Z) - Neurons as hierarchies of quantum reference frames [0.0]
我々は、シナプス、樹状突起および軸索過程、ニューロン、局所ネットワークの均一でスケーラブルな表現を開発する。
発達的・再生的文脈において、モデルがどのように非神経細胞や組織に一般化されるのかを概説する。
論文 参考訳(メタデータ) (2022-01-04T00:53:56Z) - DeepRetinotopy: Predicting the Functional Organization of Human Visual
Cortex from Structural MRI Data using Geometric Deep Learning [125.99533416395765]
我々は,脳機能と解剖学の複雑な関係を構造的および機能的MRIデータから学習するために,大脳皮質の構造を活用できるディープラーニングモデルを開発した。
我々のモデルは解剖学的特性だけで人間の視覚野の機能的構造を予測することができ、また個人間でのニュアンスの変化を予測することができた。
論文 参考訳(メタデータ) (2020-05-26T04:54:31Z) - A Concept-Value Network as a Brain Model [0.0]
本稿では,脳様モデルの物理的実体と概念的実体の関係を記述するための統計的枠組みを提案する。
この論文は、化学接続も可能であるが、電気配線が特徴である可能性を示唆している。
論文 参考訳(メタデータ) (2019-04-09T10:30:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。