Journal of Neuroscience：新框架量化大脑控制“成本”-杭州脑海科技有限公司

点击【下方卡片】关注我们~最新前沿资讯抢先看

开放转载，欢迎大家转发到朋友圈和微信群

可添加小编微信【13295818579】获取原文

大脑在日常生活中执行各种认知和行为功能，并能够灵活地过渡到各种状态以执行这些功能。科学家将大脑视为一个通过控制其状态来执行这些众多功能的系统。由此，量化这种控制的成本至关重要，因为它揭示了如何最小化控制成本来控制大脑，以及哪些大脑区域对转换的最佳控制最重要。

2023年1月11日，东京大学的Shunsuke Kamiya博士及其研究团队在 Journal of Neuroscience（IF=6.709）上发表了题为“Optimal Control Costs of Brain State Transitions in Linear Stochastic Systems”的文章，研究人员建立了随机控制成本的分析表达式，这使他们能够计算高维神经数据中的成本。通过解析表达式，他们发现最优控制成本可以分解为控制均值和协方差的成本，而大脑在实现不同的转变时，视觉区域下部通常在控制均值方面发挥重要作用，而后扣带皮层通常在控制协方差中发挥重要作用。

大脑是一个高度复杂的动态网络，可以灵活地过渡到各种状态以执行无数的功能。从这一角度出发，大脑可以被认为是一个系统，根据个人需要执行相应的功能，将其内部状态调节到所需状态。在使系统进入所需各种状态的许多转换中，某些状态转换比其他状态转换更难控制，这取决于神经元系统的动态特性。

换句话说，控制向某些状态的过渡比控制向其他状态的过渡会产生更大的“成本”。提供量化过渡成本或控制成本的理论框架对于评估各种大脑状态之间转换的难度以及解释认知负荷、睡眠-清醒差异、认知任务的习惯化和精神疾病与可量化测量非常重要。因此，开发一个用于量化大脑控制成本的框架是神经科学中的一个重要课题。

Shunsuke Kamiya的团队致力于建立一个新的框架来量化控制成本，该框架考虑了神经活动的随机性。研究人员认为，“在这项工作中，我们解决了随机性的问题，并首先提出了一个新的理论框架，该框架量化了包括神经动力学随机波动的控制成本。”

线性随机系统中量化大脑控制成本的框架示意图

研究人员建立了随机控制成本的分析表达式，这使他们能够计算高维神经数据中的成本。通过解析表达式，他们发现最优控制成本可以分解为控制均值和协方差的成本。研究人员指出，“这种分解使我们能够研究各种大脑区域如何以不同的方式控制从一种大脑状态到另一种大脑状态的转变。”

从控制理论的角度比较大脑中的确定性和随机性状态转换

此外，研究人员还确定了人脑成像数据中认知任务最佳控制的重要大脑区域。他们使用352名健康成年人的人脑成像数据，检查了从静息状态到七种认知任务状态过渡的最佳控制中的重要大脑区域。研究人员发现，通过这些不同的转变，视觉区域下部通常在控制均值方面发挥重要作用，而后扣带皮层通常在控制协方差中发挥重要作用。（注：后扣带皮层是边缘叶的上部，边缘叶是大脑中在记忆和情绪行为中发挥重要作用的区域。）

数据采集

在这项研究中，研究小组只考虑了以最佳方式控制大脑状态转换的最佳控制成本，同时将随机控制成本降至最低。然而，在实际的神经系统中，状态转换不太可能以最佳方式进行控制。因此，未来的研究可以比较任务期间的最佳控制动力学和实际动力学差异。

参考文献

Kamiya S, Kawakita G, Sasai S, Kitazono J, Oizumi M. Optimal Control Costs of Brain State Transitions in Linear Stochastic Systems. J Neurosci. 2023;43(2):270-281. doi:10.1523/JNEUROSCI.1053-22.2022

资讯来源

https://www.sciencedaily.com/releases/2023/01/230111150555.htm

欢迎加入前沿资讯交流群，入群方式：

添加小编微信13295818579

备注（姓名-工作单位/院校-研究方向-文献交流）

（可扫描下方二维码）