Работа мозга – величайшая загадка науки
Мозг продолжает удивлять нас своей великолепной сложностью. Новаторские исследования, сочетающие нейробиологию с математикой, свидетельствуют о том, что когда мозг обрабатывает информацию, он создает нейронные структуры до 11 измерений. Под «измерениями» ученые подразумевают абстрактные математические пространства, а не другие физические области. Тем не менее, исследователи «нашли мир, который мы себе не представляли», сказал Big Think Генри Маркрам, директор проекта Blue Brain, автор нового открытия.
Цель проекта Blue Brain, который базируется в Швейцарии, заключается в цифровом создании “биологически детализированной” симуляции человеческого мозга. Создавая цифровой мозг с «беспрецедентным» уровнем биологической информации, ученые стремятся продвинуть наше понимание невероятно сложного устройства человеческого мозга, в котором насчитывается порядка 86 миллиардов нейронов.
Чтобы получить более ясное представление о том, как работает такая огромная сеть для формирования наших мыслей и действий, ученые использовали суперкомпьютеры и особую отрасль математики. Команда основывала свои текущие исследования на цифровой модели неокортекса, которую закончила в 2015 году. Исследователи хотели выяснить, как реагирует этот цифровой неокортекс, используя математическую систему алгебраической топологии. Это позволило им определить, что наш мозг постоянно создает очень сложные многомерные геометрические фигуры и пространства, которые выглядят как «песчаные замки».
Без использования алгебраической топологии – раздела математики, описывающего системы с любым числом измерений, визуализация многомерной сети была бы невозможна. С помощью нового математического подхода исследователи смогли увидеть высокую степень организации в том, что раньше казалось «хаотическими» паттернами нейронов.
Алгебраическая топология подобна телескопу и микроскопу одновременно: она может увеличить масштаб сети, чтобы найти скрытые структуры – деревья в лесу – и увидеть пустые пространства – поляны – все в одно и то же время.
Автор исследования Кэтрин Хесс.
В ходе исследования ученые сначала провели тесты на созданной ими виртуальной мозговой ткани, а затем подтвердили результаты, проведя те же эксперименты на реальной мозговой ткани лабораторных крыс. При стимуляции каждый виртуальный нейрон соединяется с другим таким образом, что образуется определенный геометрический объект – клика. Большое количество нейронов добавляло больше измерений, количество которых в некоторых случаях доходили до 11. Эти структуры должны были образоваться вокруг высокоразмерной дыры, которую исследователи назвали «полостью». После того, как мозг обработал информацию, клика и полость исчезли.
Слева: цифровая копия части неокортекса, наиболее развитой части мозга. Справа: фигуры различных размеров и геометрий, представляющие собой структуры в диапазоне от 1 измерения до 7 измерений и более. «Черная дыра» в середине символизирует комплекс многомерных пространств – полости.
Появление высокоразмерных полостей, когда мозг обрабатывает информацию, означает, что нейроны в сети реагируют на стимулы чрезвычайно организованным образом. Это похоже на то, как если бы мозг реагировал на стимул, строя а затем разрушая башню из многомерных блоков, начиная со стержней (1D), затем досок (2D), затем кубов (3D), а затем более сложных геометрий с 4D, 5D и т. д. Прогрессирующая активность мозга напоминает многомерный замок из песка, который материализуется из песка и затем распадается.
Это открытие позволяет ученым глубже понять «одну из фундаментальных тайн нейробиологии — связь между структурой мозга и тем, как он обрабатывает информацию», — уточнила Кэтрин Хесс в интервью журналу Newsweek.
Исследователи надеются использовать алгебраическую топографию для изучения роли «нейропластичности», которая представляет собой процесс укрепления и ослабления нейронных связей при стимуляции — ключевой компонент процесса обучения мозга. Они видят дальнейшее применение своих открытий в изучении человеческого интеллекта и формировании памяти. Работа опубликована в журнале Frontiers in Computational Neuroscience.
© 2004-2020, «Техника и технологии». Все права защищены.
* XML, HTML | Реклама на сайте