认知神经科学中蕴藏的力学思想与应用

发布时间：2022-11-01 20:52

　　该文系统总结了作者团队在脑科学领域内提出的神经能量理论与方法,以及力学与神经能量理论之间的内在联系.着重介绍了如何运用分析动力学的思想构建一个与H-H模型等效的W-Z神经元模型.并以此为基础,在神经科学领域内提出了以神经能量为核心的大尺度神经科学模型和大脑全局神经编码的理论框架.在包括视知觉等多个感知觉神经系统的信息处理、大脑的智力探索以及预测神经元新的工作机制、解释神经科学难以解释的实验现象等方面,证实了这个新颖的神经元模型所展现出来的独特功能与优势.由于可塑性是认知神经科学与智能行为的核心,通过蛋白质分子机器的经典力学分析,进一步阐明了神经元的可塑性和神经发育不仅仅只是生物化学反应过程,力学的作用与贡献也是不可或缺的重要因素.表明了力学科学在神经科学、生命科学中的研究思想及其内在逻辑的深远影响.这些研究对于今后推动实验神经科学与理论神经科学的融合,摒弃神经科学领域中还原论与整体论研究方法中的不足,并将它们各自的优点进行有效地整合,促进力学科学的理论与方法的渗透是极其重要的. 

【文章页数】：56 页

【文章目录】：
1 引言
2 分析动力学在神经元建模中的应用
    2.1 问题的提出
    2.2 W-Z神经元模型的生物物理机制
    2.3 分析动力学揭示神经元活动的新的工作原理
    2.4 W-Z神经元模型与H-H模型的等效性及其分子生物学基础
    2.5 簇发放的神经能量机制与W-Z神经元模型
3 结构网络中H-H模型与W-Z模型的等效性
    3.1 源自分析动力学基础上的大尺度神经科学模型的定义
    3.2 二类神经元模型基础上网络计算结果的比较
4 W-Z模型及神经能量方法在功能性神经网络中的应用
    4.1 大脑血液动力学现象的神经机制
    4.2 神经能量编码在智力探索中的应用
    4.3 记忆切换的神经能量特征
    4.4 能量演化是大脑全局神经编码的核心
5 动力学与控制理论基础上构建感知觉神经网络模型
    5.1 大脑神经系统在自发活动时的能量特征及其科学意义
    5.2 触觉神经系统的力学耦合模型及应用
    5.3 听觉系统中的力学耦合模型及应用
6 神经细胞中蛋白质分子机器的经典力学分析
    6.1 蛋白质分子机器的振动力学模型
    6.2与X光衍射观察结果的比较
7 神经动力学对力学各分支学科提出的挑战
    7.1 建立脑动脉血管动力学、血流变化与神经元网络耦合的神经动力学模型
    7.2 皮肤接触力学中的本构关系
    7.3 建立大脑的微循环力学模型
    7.4 神经系统中机械力信号对神经信息处理的反馈机制
    7.5 建立大脑皮层血管的疲劳与损伤力学模型可用于对多类认知功能障碍的预测、预报和诊断


【参考文献】：
期刊论文
[1]神经元膜电位对信息的编码[J]. 彭俊,王如彬.  动力学与控制学报. 2020(01)
[2]神经动力学研究进展[J]. 王如彬.  动力学与控制学报. 2020(01)
[3]神经动力学与力学[J]. 陆启韶.  动力学与控制学报. 2020(01)
[4]Neurodynamics analysis of cochlear hair cell activity[J]. Weifeng Rong,Rubin Wang,Jianhai Zhang,Wanzeng Kong.  Theoretical ＆ Applied Mechanics Letters. 2020(01)
[5]从物理学角度认知计算神经动力学（英文）[J]. Jun MA,Zhuo-qin YANG,Li-jian YANG,Jun TANG.  Journal of Zhejiang University-Science A（Applied Physics ＆ Engineering）. 2019(09)
[6]大脑血液动力学现象中的能量编码[J]. 彭俊,王如彬,王毅泓.  力学学报. 2019(04)
[7]耳蜗毛细胞活动的神经动力学分析[J]. 戎伟峰,王如彬.  应用数学和力学. 2019(02)
[8]动力学与生命科学的交叉研究进展综述[J]. 贾祥宇,吴禹.  动力学与控制学报. 2017(03)
[9]Control strategy of central pattern generator gait movement under condition of attention selection[J]. Wei WANG,Rubin WANG.  Applied Mathematics and Mechanics（English Edition）. 2016(07)
[10]Impact of θ-burst stimulation on memory mechanism:modeling study[J]. Yating ZHU,Rubin WANG,Yihong WANG.  Applied Mathematics and Mechanics（English Edition）. 2016(03)



本文编号：3700080