代数拓扑的数学方法正在变革脑科学

2017 年 12 月 29 日 人工智能学家

来源: 中国数学会

概要:没有人彻底了解大脑各部分间的连接图全貌,但是代数拓扑的工具正逐渐帮助人们管中窥豹。


没有人彻底了解大脑各部分间的连接图全貌,但是代数拓扑的工具正逐渐帮助人们管中窥豹。


人的连接体指的是大脑中不同部分间的网络连接。这些连接表现为大脑中的白质:轴突束。轴突是神经细胞上的突起物,它们连接了组成灰质的神经细胞体。


脑科学的传统观点认为,灰质主要负责信息处理和认知,而白质负责大脑中不同部分间的信息传递。所以白质,也就是连接体,就是大脑的连接图。


人们对这个结构所知甚少,但有几个引人注目的项目正在对它进行研究。研究表明连接体比人们原来认为的还要复杂。人的大脑里有大约10的10次方个神经元,它们之间有10的14次方个突触连接。找出它们连接的方式是个极富挑战的工作,特别是因为连接体的结构取决于观察的大小尺度。


研究还发现了证据,表明白质在学习和协调大脑活动方面发挥的作用比人们所想的重要。但是这作用和连接体的结构的具体关系仍处于未知。




所以说在跨度巨大的不同尺度上了解连接体的结构是神经科学最大的挑战之一,但人们并没有合适的数学工具来研究这个课题。


为了进一步研究,Sizemore和她的同事们测量了八个健康成年人的大脑,这样他们就可以寻找在每个人大脑中都相同的结构。他们专门研究了已知在认知系统中有作用的83个区域之间的连接,这些区域包括听觉系统,视觉系统,和触觉、压力、痛感有关的体感系统等等。


这样得到了一个连接图以后,Sizemore和她的同事们运用了代数拓扑的技巧来研究它。这个新方法让他们得到了一些重要的新认识。


首先,它揭示了某些神经节群之间是“完全连接”的——意思是节群里的每个节点都和其他所有节点相连,整个节群组成一个叫做团的结构。所有和认知有关的系统都是由包括不同数量的节点的团组成的。


但是,研究还揭示了另一组重要的拓扑结构。这个结构叫做圈,就是闭合的环。它指的是一个节点连接着另一个节点,第二个又连着第三个,等等,直到最后一个节点连接上了第一个节点,就是一个完整的圈。


圈在大脑中产生了一个神经回路,不仅可以在大脑各处传递信息,还可以帮助反馈环作用。这些作用大概是记忆的产生或行为的控制。Sizemore和她的同事们说他们的研究发现了许许多多不同大小的圈。


不像团的范围主要局限在大脑中的特定部位比如皮质,圈的延伸范围很广。它们连接起这些功能非常不同的区域。“这些圈用一个长环连接了进化上早期和晚期出现的区域,使两者在控制脑功能上发挥的独特作用都有所降低。”Sizemore和她的同事们说。


团和圈的另一个区别体现在他们的密度。团代表了完全连接的节点,所以它们是密集的结构;环状的圈则相对比较分散。事实上,看和它们有关的大脑各部分间的所缺失的连接数量,是描述它们特点的一个方法。


圈实质上描述了连接体中的洞。Sizemore和同事们的工作表明了这些洞的作用很重要。“这些结果第一次向大家展示,代数拓扑的技巧给连接体结构的研究提供了全新的视角。这个视角把环状回路作为大脑建筑结构的关键特点。”研究团队说。


这个引人入胜的工作使代数拓扑在更好地研究连接体方面的贡献初露端倪。正如所有好的科学研究一样,这项工作不仅回答了问题,更提出了许多新问题。既然发现了圈可以比其他任何网络结构提供更多认知上的计算,那就可以问:这是些什么样子的计算呢?


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。由互联网进化论作者,计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

登录查看更多
1

相关内容

【ICML2020】持续图神经网络,Continuous Graph Neural Networks
专知会员服务
149+阅读 · 2020年6月28日
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
168+阅读 · 2020年5月27日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
神经网络原来是这样和数学挂钩的
遇见数学
8+阅读 · 2019年5月21日
干货!神经网络原来是这样和数学挂钩的
图灵教育
13+阅读 · 2019年5月21日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
数学思维与编程思维怎样可以完美的结合
算法与数学之美
6+阅读 · 2018年6月11日
CCCF专栏:李航 | 人工智能的未来 ——记忆、知识、语言
中国计算机学会
7+阅读 · 2018年3月16日
【深度学习】深度学习与神经科学相遇
产业智能官
9+阅读 · 2017年12月17日
独家 | 一文读懂优化算法
数据派THU
8+阅读 · 2017年9月15日
人工神经网络是否模拟了人类大脑?
数说工作室
9+阅读 · 2017年7月19日
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
19+阅读 · 2018年6月27日
VIP会员
相关资讯
神经网络原来是这样和数学挂钩的
遇见数学
8+阅读 · 2019年5月21日
干货!神经网络原来是这样和数学挂钩的
图灵教育
13+阅读 · 2019年5月21日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
数学思维与编程思维怎样可以完美的结合
算法与数学之美
6+阅读 · 2018年6月11日
CCCF专栏:李航 | 人工智能的未来 ——记忆、知识、语言
中国计算机学会
7+阅读 · 2018年3月16日
【深度学习】深度学习与神经科学相遇
产业智能官
9+阅读 · 2017年12月17日
独家 | 一文读懂优化算法
数据派THU
8+阅读 · 2017年9月15日
人工神经网络是否模拟了人类大脑?
数说工作室
9+阅读 · 2017年7月19日
Top
微信扫码咨询专知VIP会员