🤯 کشف رازهای مغز: چگونه جهت اتصالات، قدرت شبکه‌های عصبی را دگرگون می‌کند؟

کاوش در رابطه‌ی ساختار و کارکرد در شبکه‌های عصبی

شناخت رابطه‌ی بین شکل و شمایل (اتصالات) و فعالیت‌ها (رفتارهای عصبی) یک سوال اساسی در خیلی از رشته‌های زیست‌شناسیه. اما، بررسی مستقیم این موضوع توی مغز حیوانات به خاطر پیچیدگیِ خیلی زیادِ ارتباطات عصبی و نیاز به عمل‌های جراحی تهاجمی که معمولاً لازمه، واقعا کار سختیه. سلول‌های عصبی که توی آزمایشگاه کشت داده میشن، با اتصالاتِ تحت کنترلِ مصنوعی میتونن جایگزین خوبی باشن برای آزمایش روی حیوانات، مخصوصا وقتی که داریم یاد میگیریم چجوری رفتارشون رو دقیق توصیف کنیم.

یک گروه پژوهشی توی دانشگاه توهوکو از دستگاه‌های ریزسیال استفاده کردن تا نشون بدن چجوری اتصالات جهت‌دار شکل میگیرن و چه تاثیری روی دینامیک پیچیده‌ی شبکه‌های عصبی دارن. اون‌ها همچنین مدل‌های ریاضیاتی‌ای رو بر اساس اطلاعات به‌دست اومده از آزمایش‌ها ساختن تا پیش‌بینی کنن این اتصالات چه اثری روی فعالیت توی فضا و زمان میذارن. نتایج این تحقیق توی تاریخ نهم آذر ۱۴۰۳ توی مجله‌ی شبکه‌های عصبی چاپ شد.

اتصالات جهت‌دار توی شبکه‌های عصبی مثل جریان آب توی رودخونه، سیگنال‌ها رو مثل یه جریان به سمت پایین از یه نقطه به نقطه‌ی دیگه منتقل میکنن. دستگاه ریزسیال کانال‌های کوچکی داره که میتونه جریان رو خیلی دقیق هدایت کنه، و این قضیه میتونه به ساختن نورون‌هایی کمک کنه که شبیه‌تر به مدل‌های زنده واکنش نشون میدن.

گروه تحقیقاتی با مطالعه‌ی سلول‌های عصبی توی آزمایشگاه، تونستن به‌طور موثر و سازنده بررسی کنن که آیا اتصالات یکطرفه، نقش‌های پایه‌ای دیگه هم توی شکل‌دهی به دینامیک مغز دارن یا نه.

درک پیچیدگی مغز و شبکه‌های عصبی

نوبوآکی مونوما، نویسنده‌ی اصلی این تحقیق، میگه: “درک مغز به خاطر پویا بودنش خیلی دشواره. این قابلیت رو داره که به مرور زمان و بر اساس عوامل مختلف، به محرک‌های یکسان، پاسخ‌های متفاوتی بده.” تیم تحقیقاتی، شبکه‌های عصبی با اتصالات مدولار (که توی سیستم‌های عصبی حیوانات دیده میشه) طراحی کردن و اتصالات جهت‌دار رو بین این ماژول‌ها با کمک میکرو کانال‌ها ایجاد کردن. این اتصالات به صورت پیش‌خور طراحی شدن تا واکنش‌های تحریکی اضافه رو به حداقل برسونن.

با استفاده از تصویربرداری کلسیم برای ثبت فعالیت‌های خودبه‌خودی شبکه عصبی، اونا فهمیدن که شبکه‌هایی که اتصالات جهت‌دار دارن، الگوهای فعالیت پیچیده‌تری نسبت به شبکه‌های بدون جهت‌گیری نشون میدن. علاوه‌ بر این، محققان دو مدل ریاضی ساختن تا مکانیزم‌های زیربنایی شبکه‌ای که پشت مشاهدات بیولوژیکی قرار داره رو مشخص کنن و پیکربندی‌هایی رو پیش‌بینی کنن که منجر به پیچیدگیِ دینامیکی بیشتر میشه. این مدل‌ها نشون داد که تعامل بین ساختار مجزا و اتصالات، الگوهای فعالیت پیچیده‌تری رو پرورش میده.

هیدئاکی یاماموتو، استاد همکار، اینطوری پیشنهاد میده: “انتظار میره که یافته‌های این مطالعه، نه تنها درک اساسی ما از شبکه‌های عصبی توی مغز رو عمیق‌تر میکنه، بلکه توی زمینه‌هایی مثل پزشکی و یادگیری ماشین هم کاربرد داشته باشه.” این میتونه یه مدل آزمایشگاهی هم برای ساختن شبکه‌های عصبی مصنوعی با قابلیت‌های زیستی فراهم کنه. پیشرفت‌های نظری بیشتر هم به مدل‌سازی شبکه‌های بزرگ‌مقیاس کمک میکنه که ممکنه بینش‌هایی برای تحلیل‌های آینده‌ی کانکتوم مغز (نقشه ارتباطات مغزی) فراهم کنه.

هر چقدر بیشتر این شبکه‌های عصبی رو درک کنیم، میتونیم بیشتر ازشون به‌عنوان یک ابزار قابل اعتماد برای کشف رازهای بی‌شمار مغز استفاده کنیم.

“`