研究人员在理解大脑神经元变异性方面取得了突破性发现，这一发现对神经科学和人工智能（AI）发展具有重要意义。他们的研究揭示了树突（神经元的天线）如何控制神经元反应的变异性。这项研究不仅增进了我们对神经元如何处理可变输入的理解，还为AI开发者提供了模拟类脑计算的新视角。

关键事实

• 研究重点：树突如何控制神经元反应的变异性，这是突触可塑性的关键方面。

• Zachary Friedenberger的数学专长在开发具有活性树突的神经元网络模型中起到了关键作用。

• 研究结果为生物计算提供了重要见解，对神经科学家和AI开发者都具有重要价值。

来源：渥太华大学

人类大脑的内部运作是一个逐渐解开的谜团，渥太华大学医学院的Richard Naud博士领导的一项引人注目的新研究使我们更接近回答这些重大问题。该研究的结果对学习和工作记忆的理论具有重要意义，并可能为人工智能（AI）的未来发展提供帮助，因为AI开发者和程序员密切关注Naud博士及其他领先神经科学家的工作。

这项发表在《自然·计算科学》上的研究探讨了神经元“反应变异性”的多层次谜团。神经元是使用电信号和化学物质处理信息的脑细胞，并控制人类意识的各个方面。研究结果揭示了树突如何控制神经元变异性，树突是从每个神经元延伸出来的天线，用于接收我们个人神经通信网络中的突触输入。这项严格的研究确立了树突特性如何有效控制输出变异性，这一特性已被证明可以控制大脑中的突触可塑性。

Naud博士表示：“神经元反应的强度由其核心输入控制，但神经元反应的变异性由其小天线的输入控制——即树突。这项研究更精确地确立了单个神经元如何通过其输入控制这种关键的变异性特性。”

Naud博士怀疑，如果将他用于描述神经元细胞体的数学框架扩展到考虑树突，那么他们可能能够有效地模拟具有活性树突的神经元网络。Zachary Friedenberger的贡献至关重要，他是物理系的博士生，也是Naud实验室的成员，拥有理论物理背景，以创纪录的时间解决了理论挑战和数学问题。研究完成后，模型的预测通过体内记录数据的分析得到了验证，并在广泛的模型参数范围内观察到。

Naud博士说：“他以创纪录的时间解决了数学问题，并解决了我未曾预料到的许多理论挑战。”

Naud博士认为，他们的技术可以提供关于神经元对可变输入反应的见解。因此，他们开始研究一种能够从具有活性树突的神经元模型中计算统计量的技术。该研究的一位评审指出，理论分析“为生物计算提供了关键见解，并将引起计算和实验神经科学家的广泛兴趣。”

关于这项神经科学与AI研究的新闻

• 作者：Paul Logothetis

• 来源：渥太华大学

• 联系人：Paul Logothetis – 渥太华大学

原始研究

• 题目：Dendritic excitability controls overdispersion

• 作者：Richard Naud et al.

• 期刊：Nature Computational Science

摘要

大脑是一个由相互通信的神经元组成的复杂集合，其输入-输出功能仅被部分理解。特别是，活性树突在塑造尖峰反应中的作用尚不清楚。尽管现有模型考虑了活性树突和尖峰反应，但它们过于复杂，无法进行解析分析，并且需要长时间的随机模拟。在这里，我们结合电缆和更新理论来描述输入波动如何塑造具有活性树突的神经元集合的反应。我们发现，树突输入可以轻松且有效地控制尖峰间隔的离散性。这一现象可以通过考虑神经元显示的三种基本操作模式来理解：一种均值驱动模式和两种波动驱动模式。我们展示了这些结果预计会出现在广泛的树突特性范围内，并在实验数据中验证了模型的预测。这些发现对尖峰间隔离散性在学习和吸引子状态理论中的作用具有重要意义。