耦合和噪声如何将静息神经元转化为复杂的混沌振荡
伊琳娜·巴什基尔斯特娃(Irina Bashkirtseva)
列夫·雷阿什科(Lev Ryashko)
《Mathematics》:How Coupling and Noise Transform Quiescent Neurons into Complex Chaotic Oscillations
Irina Bashkirtseva and
Lev Ryashko
【字体:
大
中
小
】
时间:2026年04月17日
来源:Mathematics 2.2
编辑推荐:
摘要 本文致力于识别耦合平衡神经元系统中振荡的硬激发机制问题。在本研究中,使用了一个由两个耦合的Chialvo神经元组成的系统。对于确定性模型,我们研究了耦合强度的增加如何导致静止神经元突然转变为复杂的振荡,包括规则振荡和混沌振荡。我们展示了即使确定性系统
摘要 本文致力于识别耦合平衡神经元系统中振荡的硬激发机制问题。在本研究中,使用了一个由两个耦合的Chialvo神经元组成的系统。对于确定性模型,我们研究了耦合强度的增加如何导致静止神经元突然转变为复杂的振荡,包括规则振荡和混沌振荡。我们展示了即使确定性系统处于平衡状态,噪声也可以产生类似的尖峰振荡。文章讨论了短时间和长时间确定性瞬态的分形盆地的重要作用,并证明了主方向方法和置信域方法在分析噪声诱导的激发中的潜力。同时,还探索了相干共振现象以及从有序到混沌的全局转变。 1. 引言历史上,由微分方程定义的连续时间系统是最早用于研究神经活动的模型。其中最著名的包括Hodgkin–Huxley [1]、FitzHugh–Nagumo [2]、Morris–Lecar [3] 和 Hindmarsh–Rose [4,5] 模型。从研究孤立神经元到研究耦合神经元系统和神经网络中的复杂过程的转变,迫使研究人员使用离散神经模型 [6],这些模型在理论分析和数值模拟上更为简单。基于映射的模型,如Rulkov [7]、Izhikevich [8] 和 Courbage–Nekorkin–Vdovin [9] 的模型,能够模拟神经行为的关键特征,即静止、尖峰和爆发。最近,Chialvo模型 [10] 也被广泛使用。该模型被用于研究神经网络、同步现象以及有序到混沌的转变。任何神经元的一个关键运行特性是对微小刺激的高敏感性,这是通过非线性内部功能连接实现的。众所周知,强非线性和随机性的相互作用可以产生各种现象,例如噪声诱导的转变 [19,20]、随机分岔 [21,22]、噪声诱导的兴奋性 [23]、相干共振 [25,26]、噪声诱发的混沌 [27,28] 等。在分析这些现象时,除了耗时的直接数值模拟外,还积极应用了一种基于随机敏感性技术和置信域的新方法 [29,30]。非线性神经模型中的随机效应是现代数学神经科学的一个活跃发展领域(参见参考文献 [31,32,33,34] 及其中的参考文献)。在研究各种同步现象时,通常考虑的是那些在孤立状态下已经处于振荡模式的耦合元素。然而,研究由在孤立状态下处于平衡状态的元素组成的系统在耦合后开始表现出振荡行为的过程无疑也非常有趣。本文的目的是探讨这种耦合和噪声诱导的激发机制在神经系统中的机制。作为基本的数学模型,我们考虑了一个使用Chialvo映射的两神经元耦合系统。在第2节中,我们研究了耦合强度的增加如何将静止神经元系统转变为复杂振荡,包括规则振荡和混沌振荡。在第3节中,通过新的主方向方法和置信域方法揭示并研究了噪声在这些振荡生成中的建设性作用。这里,通过振荡的统计特性和最大的李雅普诺夫指数探讨了相干共振现象以及从有序到混沌的全局转变。 2. 确定性系统中两个静止Chialvo神经元的耦合诱导振荡作为孤立神经元的初始模型,我们考虑了Chialvo [10] 提出的离散时间系统: ????+1=??2???exp?(?????????)+??,????+1=???????????????+??。 (1) 这里,x 和 y 分别是激活变量和恢复变量。在系统 (1) 中,参数 a 是恢复时间常数,b 表示恢复过程对活动水平的依赖性,c 是位移参数,I 表示离子电流的注入。根据 [10],我们设定 ?? =0.89, ?? =0.18, ?? =0.28。系统 (1) 可以模拟多种神经元动态状态,包括静止和放电。随着 I 的增加,从静止到放电的转变在图 1 的分岔图中显示出来。在 ???? =0.02212 时,系统 (1) 经历一个危机分岔,平衡模式突然转变为大幅度振荡。图 1. 孤立神经元 (1) 的分岔图。在本文中,我们研究了通过电气方式耦合的两个Chialvo神经元的集体动态: ??1,??+1=??21,???exp?(??1,?????1,??)+??+???(??2,?????1,??)??1,??+1=?????1,????????1,??+????2,??+1=??22,???exp?(??2,?????2,??)+??+???(??1,?????2,??)??2,??+1=?????2,????????2,??+??。 (2) 我们研究了当孤立神经元以稳定平衡的形式表现出静止模式时,耦合对两神经元系统 (2) 行为的影响。这里,我们关注范围 ?? ??? 并将耦合强度 k 视为分岔参数。在图 2a 中,对于 ?? =0.022 ??? 和 0 ≤?? ≤0.05,绘制了吸引子的 ??1 坐标(顶部)和相应的最大李雅普诺夫指数(底部)。对于 ?? =0.022,系统 (2) 具有稳定平衡点 ???(ˉ??1,ˉ??1,ˉ??2,ˉ??2),其中 ˉ??1 =ˉ??2 =0.0436577, ˉ??1 =ˉ??2 =2.474015,这个平衡点不受耦合强度 k 的影响。平衡点 E 在图 2a 中用绿色表示。在区间 ??1 ? ?2 内(其中 ??1 =0.02399, ??2 =0.03865),当 ?? =0.022 时,系统 (2) 是双稳态的:除了平衡点 E 外,还观察到了振荡吸引子(蓝色)。当 ?? =0.02 ??? 时也观察到了类似的情况(见图 2b)。可以看出,双稳态范围(??1,??2)向右移动:此时分岔值分别为 ??1 =0.02615 和 ??2 =0.04036。图 2. 耦合系统 (2) 的分岔图:(a) ?? =0.022, (b) ?? =0.02。在底部面板中,最大李雅普诺夫指数用相应的颜色表示。在 (a) 中,分岔值为 ??1 =0.02399 和 ??2 =0.03865;在 (b) 中,分岔值为 ??1 =0.02615 和 ??2 =0.04036。因此,耦合可以将单独Chialvo神经元的平衡模式转变为振荡模式,从而激发静止的神经元。 2.1. 双稳态区内的振荡吸引子让我们考虑固定值 ?? =0.022 时系统 (2) 中的振荡行为细节。在双稳态区间 ??1 ? ?2 内,系统 (2) 的振荡吸引子具有不同的形状。图 3 展示了这样的吸引子示例,在 (??1,??2) 平面和 (??1,??1) 平面上的相轨迹以及相应的 ??1- 和 ??2- 坐标的时间序列。稳定平衡点 E 用绿色点表示。图 3. 带有 ?? =0.022 的系统 (2) 的吸引子和时间序列。在这里,对于不同的 ?? ∈(??1,??2),可以看到规则(对于 ?? =0.03 为离散周期,对于 ?? =0.032 和 ?? =0.037 为封闭不变曲线)和混沌吸引子。时间序列显示振荡具有尖峰形式,此外,两个神经元还表现出反相位同步。因此,即使孤立神经元处于静止状态,耦合也可以产生复杂的振荡尖峰现象。让我们更详细地研究这种耦合诱导的尖峰特性。在图 4a 中,我们绘制了参数区间 ??1 ? ?2 内振荡的尖峰间隔 ?? 的平均值 ????。总体而言,随着 k 的增加,尖峰频率略有增长。图 4b 给出了变化系数 ???? 的图形。可以看出,对于第18个周期(见图 3 中的 ?? =0.03),这个系数为零。此外,我们发现,在区间 0.02788 ? <0.02798 内,系统 (2) 具有稳定的第19个周期;在区间 0.0328661 ? <0.0328669 内,系统 (2) 具有稳定的第17个周期;在区间 0.02448 ? <0.02451 内,系统 (2) 具有稳定的第22个周期。图 4. 针对耦合参数 k 的振荡吸引子的尖峰间隔 ?? 的统计:(a) 平均值 ????;(b) 变化系数 ????。在本小节中,耦合系统 (2) 的振荡特性与振荡吸引子的存在有关。然而,即使在单稳态情况下,当系统缺乏这样的吸引子时,振荡特性也可以与瞬态过程的特定性质相关联,这将在下一小节中讨论。 2.2. 单稳态平衡区内的瞬态振荡动态现在让我们考虑系统 (2) 在单稳态区间 0 ? ?1 =0.02399 内的行为细节,其中稳定的平衡点 E 是唯一的吸引子。当然,所有解都会收敛到平衡点 E,无论初始状态如何。然而,瞬态过程显著依赖于初始状态。在图 5a 中,对于 ?? =0.02 ?1,我们展示了从平衡点 ???(ˉ??1,ˉ??1,ˉ??2,ˉ??2) 开始的系统 (2) 解的时间序列和相轨迹。作为初始数据,我们选择了具有不同偏差 Δ 的点 (ˉ??1 +Δ,ˉ??1,ˉ??2,ˉ??2)。对于较小的 Δ(见浅蓝色曲线 Δ =0.007),解立即收敛到平衡点 E。对于 Δ =0.008(绿色曲线),解最初表现出大幅度尖峰,然后单调收敛到 E。对于 Δ =0.01(红色曲线),这种过渡过程需要超过100步才能开始接近平衡点。在 (??1,??1) 平面上,可以看到相应的大幅度循环。图 5. 从 (ˉ??1 +Δ,ˉ??1,ˉ??2) 开始的系统 (1) 解的时间序列和相曲线,对于不同的 Δ (a) ?? =0.02, (b) ?? =0.023。在图 5b 中,对于更接近分岔点 ??1 的 ?? =0.023,也观察到了类似的瞬态。可以看出,这里大幅度振荡瞬态的持续时间明显更长(比较图 6a–c)。图 6. (??1,??1) 平面上具有不同持续时间的瞬态过程盆地。通过颜色,我们展示了系统 (2) 解从 (??1,??1,ˉ??2) 开始达到平衡点 ???(ˉ??1,ˉ??1,ˉ??2,ˉ??2)(精度为0.001)所需的时间 T。可以看出,在平衡点 E(黄色填充圆)周围存在一个瞬态过程较短的部分(ST 区)。在这个 ST 区的右侧,我们观察到一个复杂的分形结构,即使对于接近的初始状态,相应的解的瞬态过程持续时间也有显著差异。在这里还可以看出,随着耦合参数 k 接近 ??1,瞬态过程显著延长(比较图 6a–c)。图 7. 随着参数 k 的变化,系统 (2) 解从 (??1,??1,ˉ??2) 开始达到平衡点 ???(ˉ??1,ˉ??1,ˉ??2,ˉ??2)(精度为0.001)所需的时间 T(通过颜色表示)。在图 7 中,作为初始数据,我们选择了围绕稳定平衡点 ???(ˉ??1,ˉ??1,ˉ??2,ˉ??2) 的均匀网格 (???1,???1) ∈[0.02,0.06] ×[2.45,2.49],并绘制了 t 步后解的集合状态。在这里,观察到在 t =40 到 t =200 之间的亚稳态分布可以被视为一个瞬态吸引子。随着 t 的进一步增加,这个瞬态吸引子被破坏,对于 t =500,所有解几乎都与 E 一致。图 7. 确定性系统 (2) 中的集合解动态,其中 ?? =0.022,?? =0.02:从均匀网格 (???1,???1) ∈[0.02,0.06] ×[2.45,2.49] 的节点 (???1,???1,ˉ??2,ˉ??2) 开始的解的集合。这些确定性模型 (2) 的瞬态在随机场现象中起着重要作用,这将在后续章节中讨论。 3. 两个耦合Chialvo神经元的随机模型中的噪声诱导现象考虑由Chialvo映射建模的两个耦合神经元的随机版本: ??1,??+1=??21,???exp?(??1,?????1,??)+??+?????1,??+???(??2,?????1,??)??1,??+1=?????1,????????1,??+????2,??+1=??22,???exp?(??2,?????2,??)+??+?????2,??+???(??1,?????2,??)??2,??+1=?????2,????????2,??+??。 (3) 这里,??1,??,??2,?? 分别模拟了注入第一个和第二个神经元的离子电流参数 I 的随机干扰。在本文中,假设这些随机过程是强度为 ?? 的独立白高斯噪声。注意,在这些随机干扰存在的情况下,两个神经元变得不同。让我们考虑在单稳态区间 ?? ?1 和 ?? >??2 中噪声的影响,其中平衡点 E 是唯一的吸引子(见图 2)。在图 8 中,对于 ?? =0.02 ?1,我们展示了随机干扰对平衡点 E 的影响。对于弱噪声(?? =0.0005),从 E 开始的系统 (3) 解(蓝色)局部化在这个平衡点附近。随着噪声水平的增加,系统的动态显著变化:对于 ?? =0.0015,解(红色)表现出带有大幅度尖峰和爆发的复杂振荡。图 8.噪声诱导的激发在随机系统中,其中 ?? =0.022, ?? =0.02:(a) 相位曲线;(b) 对应的时间序列,对于 ?? =0.0005(蓝色)和 ?? =0.0015(红色)。在这里对随机激发现象的参数分析中,可以使用随机敏感性技术和置信椭圆方法[29,30,35]。在这种方法中,稳定平衡点E的随机敏感性矩阵W是主要的定量特征。这个矩阵是以下方程的唯一解:??=?????????+?? (4),其中F是确定性系统(2)在平衡点???(ˉ??1,ˉ??1,ˉ??2,ˉ??2)处的雅可比矩阵。这里,??=?? ? ? ??(2???1???21)?????1???1?????21?????1???1??0?????00??0(2???2???22)?????2???2?????22?????2???200??????? ? ? ??。对于随机系统(3),矩阵?? =diag?[1,0,1,0]。利用随机敏感性矩阵W,可以找到一个四维置信椭球,来描述系统(3)的空间扩散特征,其状态为?? =(??1,??1,??2,??2),围绕平衡点ˉ?? =(ˉ??1,ˉ??1,ˉ??2,ˉ??2):(???ˉ??,???1?(???ˉ??))=??2????(??)。这里,P是基准概率,函数???(??)是函数???(??)=Φ?(??)Φ?(∞)的逆函数,Φ?(??)=√??∫0?????22??3????。让我们考虑如何在具有 ?? =0.02 的系统(3)中分析随机激发时使用置信椭圆方法。在这种情况下,矩阵W的特征值分别为:??1=24.33216, ??2=12.177, ??3=2.8543, ??4=2.2371。因为??1和??2的值显著大于??3,所以随机状态沿着特征向量??1=(?0.408395,0.577246,?0.408395,0.577246),??2=(0.436907,?0.555979,?0.436907,0.555979)的方向上的扩散占主导,这些特征向量对应于??1和??2。因此,向量??1和??2确定了一个二维平面Π作为主要方向。这使得我们可以将几何分析的维度从四个减少到两个,并在二维平面Π中研究噪声诱导激发的机制。在平面Π中,置信域是一个二维椭圆??2??1+??2??2=?2???2?ln?(1???),其中??和??是以平衡点E为原点的矩阵W的标准化特征向量??1,??2为基础的椭圆坐标。在图9中,我们展示了如何在具有 ?? =0.02 的系统(3)中构造性地使用置信椭圆来分析噪声诱导的激发。在图9a中,显示了二维平面Π中的短瞬态盆地(STB):我们用浅蓝色绘制了在100步内以0.001的准确度收敛到平衡点E的解的初始点。长瞬态盆地(LTB)用白色显示。点??(?0.015,0)属于STB,从?开始的解会立即趋向于E(见图9b中显示的蓝色时间序列)。点???(?0.02,0)接近?,但属于LTB,因此从??开始的解会在大幅度波动后趋向于E(见图9b中显示的红色时间序列)。对于噪声强度?? =0.0005,置信椭圆(蓝色)完全属于STB。这意味着随机状态位于平衡点E附近,没有发生随机激发。随着噪声的增加,椭圆的大小也会增加;对于?? =0.0015,置信椭圆(红色)包含了LTB中的点,这表明发生了随机轨迹的大幅度偏离,表明发生了噪声诱导的激发。这一理论预测与图8中显示的直接数值模拟结果非常吻合。图9. 具有 ?? =0.022, ?? =0.02 的随机系统的置信椭圆方法。在(a)中,二维平面Π中显示了短瞬态盆地(STB),用浅蓝色表示。置信椭圆(红色)对应于 ?? =0.0015,椭圆(蓝色)对应于 ?? =0.0005。在(b)中,显示了从点??(?0.015,0)(蓝色星号)和???(?0.02,0)(红色星号)开始的解的时间序列。随着噪声强度??的逐渐增加,系统(3)的动态在图10a中可以明显看到这种急剧变化,其中绘制了从平衡点E开始的系统(3)解的x1坐标。在另一个单稳态区域?? >??2中也观察到了类似的随机激发现象(见图10b中的?? =0.04)。图10. 噪声诱导的激发:系统(3)解的随机状态(蓝点)与噪声强度??的关系,对于(a) ?? =0.02,(b) ?? =0.04。平衡点E用绿色表示。值得注意的是,在噪声诱导激发的情况下,随机振荡的形状显著依赖于参数k。在图11中,我们绘制了从平衡点E开始的系统(3)解的x1坐标的时间序列,对于不同的k值。对于较小的k值,系统(3)会产生少量尖峰的脉冲序列。随着k的增加,脉冲的持续时间变长。当k接近分岔点??1时,时间序列开始呈现出只有尖峰的序列。图11. 从平衡点E开始的系统(3)解的x1坐标的时间序列,其中?? =0.022,噪声强度?? =0.001,以及不同的参数k值。注意,脉冲间隔(ISI)统计分析了神经放电时间的变异性,定义为连续动作电位之间的时间??。这里,关键指标是ISI的平均值????和变异系数????,用来量化振荡的不规则性。????是ISI的标准差与ISI平均值的比值。较小的????值接近零,表示规律的放电;较大的????值表示不规则的放电。相干共振是指最佳的、非零水平的噪声增强了可激发系统内神经放电的规律性。这种效应通过变异系数????的最小值来量化。对于所考虑的系统,在分岔点??1附近的噪声诱导尖峰状态下,图12a显示了ISI的统计数据。均值????的急剧下降(图12a,左侧)定位了噪声诱导激发的尖峰区域。在图12a的右侧,显示了相同k值的噪声强度下变异系数????的图表。明显可见的????最小值标记了对应于相干共振的噪声强度??。图12. 从平衡点E开始的系统(3)解的ISI统计,对于单稳态区域:(a) 对于 ?? ?1,(b) 对于 ?? >??2。我们还发现,在接近分岔值??2的参数k区域内也观察到了类似的随机效应。图12b展示了该区域的ISI统计,其中相干共振效应也非常明显。现在,在研究了随机激发模式下振荡的频率-幅度特性之后,让我们考虑通过最大李雅普诺夫指数Λ来量化的内部动态的定性变化。Λ的正性是混沌的普遍接受标准。在这项研究中,为了通过随机映射(3)估计李雅普诺夫指数,使用了Benettin算法[36]的标准离散时间修改版本。图13显示了几个参数k值的最大李雅普诺夫指数Λ与噪声强度??的关系,分别在单稳态区域?? ?1(图13a)和?? >??2(图13b)。可以看出,噪声诱导的大幅度振荡过程伴随着从有序到混沌的转变。k越接近分岔点??1和??2,产生混沌的噪声就越小。图13. 从平衡点E开始的系统(3)解的最大李雅普诺夫指数,对于单稳态区域:(a) 对于 ?? ?1,(b) 对于 ?? >??2。在论文的最后部分,我们将考虑从平衡点E开始的系统(3)解的李雅普诺夫指数Λ在整个参数k范围内的行为细节。图14显示了对于?? =0.022和几个噪声强度??的值的最大李雅普诺夫指数Λ?(??)的图表。在图15a中,最大李雅普诺夫指数Λ通过颜色在(??,??)平面上绘制。可以看出,对于弱噪声,Λ?(??)的值为负,因此系统(3)的动态是规则的。对于强噪声,Λ?(??)的值为正,因此系统(3)的动态是混沌的。注意,从有序到混沌的转变极其不均匀,并且显著依赖于耦合参数k。在图15b中,显示了对于?? =0.02的情况下的最大李雅普诺夫指数Λ?(??,??)。与?? =0.022的情况相比,应当注意的是,从有序到混沌的转变需要更强的噪声。图14. 对于从平衡点E开始的系统(3)解的最大李雅普诺夫指数Λ?(??),对于几个噪声强度??的值。图15. (??,??)平面上的最大李雅普诺夫指数的彩色图表,对于从平衡点E开始的系统(3)解:(a) 对于 ?? =0.022,(b) ?? =0.02。4. 结论本文探讨了在神经元隔离且处于平衡状态的情况下,识别神经耦合系统中振荡活动激发机制的问题。这一研究基于两个耦合的Chialvo模型的概念性系统进行。对于这个模型的确定性版本,发现当耦合参数k较小时,这个双神经元耦合系统保持平衡状态。然而,随着耦合强度参数k的增加,系统变得双稳态,在平衡状态之外,观察到了具有各种形式规则和混沌吸引子的复杂振荡。应当注意,在这种耦合诱导的状态下,两个振荡神经元表现出反相同步。下一步是研究随机扰动的影响。我们展示了即使在单稳态区域k区域内,确定性系统处于平衡状态下,噪声也能产生复杂的尖峰振荡。进行了依赖于噪声强度的激发过程的研究,表明从接近稳定平衡的低幅度波动到大幅度振荡的转变是突然发生的。这种突然的激发可以通过确定性系统中存在复杂的分形短瞬态和长瞬态盆地来解释。对于激发过程的参数研究,使用了置信域的解析方法。在这种方法中,平衡的关键定量特征是随机敏感性矩阵。利用这个矩阵,可以围绕稳定平衡点构建一个四维椭球。通过识别随机状态扩散的主要方向平面,可以减少几何分析的维度。在这种情况下,噪声诱导激发的分析可以限制在二维置信椭圆内。这种新的构建性方法的结果与直接数值模拟结果非常吻合。在论文的最后部分,研究了噪声产生的尖峰振荡的频率特性,并揭示了相干共振现象。对最大李雅普诺夫指数的参数研究表明,随着噪声强度的增加,系统从有序到混沌的整体转变会发生。所得结果揭示了神经系统的激发机制,而提出的用于识别随机状态扩散主要方向的方法对随机非线性系统的研究者来说非常有趣。