E/I网络中细胞类型特异性的模块化塑造动力学状态与计算能力

结构模块化是脑网络中普遍存在的特征，它塑造神经动力学和信息处理。然而，兴奋性和抑制性群体在模块组织上可能不同，这种不对称如何影响网络动力学和计算仍不清楚。本文利用动力平均场理论和执行复杂时间任务的网络模拟，我们表明独立调节兴奋性和抑制性模块化可以控制平衡E/I网络的动力学状态。特别地，这种调节可以在整体E/I平衡的情况下产生一个主导的谱离群值，从而产生一种由拓扑控制的从体态主导到低秩主导的状态转变，分别由不同的动力学分岔导致混沌和双稳态。在混沌时间序列预测任务中，计算性能在这些动力学边界附近得到增强，包括混沌的开始和向双稳态的转变。有利的配置表现出强模块化的兴奋和相对均匀的抑制，类似于在皮层连接中观察到的现象。

中文由 AI 翻译，仅供参考，以原文为准。