神經團與神經坑在神經網路結構與動態訊號處理的角色

傳統上分析神經網路結構時，通常一個方法無法同時分析結構上的總體訊號傳遞以及局部的訊號處理以及動態的訊號傳遞。因此歐洲的藍腦計畫研究人員嘗試引用代數拓譜的概念來達成上述的分析要求。

研究人員將神經網路分成神經團(cliques)，其意味著這群神經彼此之間有相互連接(All to All connection)，而連結方向並不指定，而這群神經團中的神經數目即表示此神經團的維度。若複數個神經團之間有連結，但他們之間的神經連結並非全部互相相連的時候(non All to All connection)，則會形成神經坑(cavities)。研究人員確立這兩種連結方式並分析之後，則可了解局部的訊號處理(神經團內)，以及總體的訊號傳遞(神經坑)。若將神經之間的連結視為動態連結，即為當上游神經產生神經衝動並且向下游傳遞訊號時，此連結才視為成立，因此上述的神經團跟神經坑的組成也將變成時變的。

研究人員最終將此方法應用在生物神經網路的分析上，並跟隨機網路以及改變連結後的生物網路做比較後發現。真實神經網路的神經團跟神經坑的維度通常較高，其意味著真實神經網路的複雜度比人工網路還要高上許多。最後作者們假設當神經網路接受刺激之後，藉由動態且提高神經團跟神經坑的複雜性來處理外借來的訊號。

-

撰文者：王誠德

-

原始論文:

Michael W. Reimann, et al. (2017) Cliques of Neurons Bound into Cavities Provide a Missing Link between Structure and Function