Το χάος παίζει ρόλο στο πώς ξεχνιούνται οι αναμνήσεις, προτείνουν οι προσομοιώσεις

Μελετώντας ένα τεχνητό νευρωνικό δίκτυο, οι ερευνητές στις ΗΠΑ μπορεί να έχουν κατανοήσει καλύτερα πώς και γιατί οι αναμνήσεις μας εξασθενούν με την πάροδο του χρόνου. Με επικεφαλής τον Ουλίσες Περέιρα-Ομπιλίνοβιτς Στο Πανεπιστήμιο της Νέας Υόρκης, η ομάδα βρήκε στοιχεία ότι τα σταθερά, επαναλαμβανόμενα νευρωνικά μοτίβα που σχετίζονται με νεότερες αναμνήσεις μεταμορφώνονται σε πιο χαοτικά μοτίβα με την πάροδο του χρόνου και τελικά εξασθενούν σε τυχαίο θόρυβο. Αυτός θα μπορούσε να είναι ένας μηχανισμός που χρησιμοποιείται από τον εγκέφαλό μας για να καθαρίσει χώρο για νέες αναμνήσεις.

Σε ορισμένα μοντέλα του εγκεφάλου, οι μνήμες αποθηκεύονται σε επαναλαμβανόμενα μοτίβα ανταλλαγής πληροφοριών που ονομάζονται «δίκτυα ελκυστών». Αυτά σχηματίζονται μέσα σε ιστούς διασυνδεδεμένων κόμβων που χρησιμοποιούνται για να αναπαραστήσουν τους νευρώνες στον εγκέφαλό μας.

Αυτοί οι κόμβοι μεταφέρουν πληροφορίες εκπέμποντας σήματα σε συγκεκριμένους ρυθμούς πυροδότησης. Οι κόμβοι που λαμβάνουν σήματα θα παράγουν τα δικά τους σήματα, ανταλλάσσοντας έτσι πληροφορίες με τους γείτονές τους. Τα δυνατά σημεία αυτών των ανταλλαγών σταθμίζονται από το βαθμό συγχρονισμού μεταξύ ζευγών κόμβων.

Σταθερά μοτίβα

Τα δίκτυα ελκυστήρων σχηματίζονται καθώς μια εξωτερική είσοδος εφαρμόζεται σε ένα νευρωνικό δίκτυο, το οποίο εκχωρεί έναν αρχικό ρυθμό πυροδότησης σε κάθε κόμβο του. Αυτές οι συχνότητες εξελίσσονται καθώς τα βάρη μεταξύ διαφορετικών ζευγών κόμβων αναπροσαρμόζονται και τελικά εγκαθίστανται σε σταθερά, επαναλαμβανόμενα μοτίβα.

Για να ανακτήσουν μια μνήμη, οι ερευνητές μπορούν στη συνέχεια να εφαρμόσουν μια εξωτερική ένδειξη που είναι παρόμοια με την αρχική είσοδο, η οποία κλωτσάει το νευρωνικό δίκτυο στο σχετικό δίκτυο ελκυστήρων. Πολλαπλές μνήμες μπορούν να αποτυπωθούν σε ένα μεμονωμένο νευρωνικό δίκτυο, το οποίο εναλλάσσεται φυσικά μεταξύ σταθερών δικτύων ελκυστήρων με την πάροδο του χρόνου – μέχρι να δοθεί μια εξωτερική ένδειξη.

Αυτά τα συστήματα όμως έχουν τα όριά τους. Εάν πολλά δίκτυα ελκυστήρων είναι αποθηκευμένα στο ίδιο νευρωνικό δίκτυο, μπορεί ξαφνικά να γίνει πολύ θορυβώδες για να ανακτηθεί κάποιο από αυτά και όλες οι μνήμες του θα ξεχαστούν αμέσως.

Χάνοντας αναμνήσεις

Για να μην συμβεί αυτό, η ομάδα του Pereira-Obilinovic προτείνει ότι ο εγκέφαλός μας πρέπει να έχει εξελίξει έναν μηχανισμό για την απώλεια αναμνήσεων με την πάροδο του χρόνου. Για να δοκιμάσει αυτή τη θεωρία, η τριάδα, η οποία περιελάμβανε επίσης Τζονατάν Αλτζάντεφ στο Πανεπιστήμιο του Σικάγο και Νικολά Μπρουνέλ στο Πανεπιστήμιο Duke, προσομοιωμένα νευρωνικά δίκτυα στα οποία τα βάρη μεταξύ των συνδεδεμένων κόμβων σε ένα δίκτυο ελκυστικών θα μειωθούν σταδιακά καθώς αποτυπώνονται νέες μνήμες.

Το πλήρως οπτικό δίκτυο μιμείται τους νευρώνες και τις συνάψεις του εγκεφάλου

Διαπίστωσαν ότι αυτό έκανε τα παλαιότερα δίκτυα ελκυστήρων να μετατοπιστούν σε πιο χαοτικές καταστάσεις με την πάροδο του χρόνου. Αυτά τα δίκτυα παρουσίαζαν ταχύτερα κυμαινόμενα μοτίβα. Αυτά τα μοτίβα σημάτων πυροδότησης δεν επαναλαμβάνονται ποτέ τέλεια και μπορούν να συνυπάρχουν πολύ καλύτερα με νεότερα, σταθερά δίκτυα ελκυστήρων. Τελικά, αυτή η αυξανόμενη τυχαιότητα κάνει τα παλαιότερα δίκτυα ελκυστήρων να ξεθωριάζουν σε τυχαίο θόρυβο και η μνήμη που φέρουν ξεχνιέται.

Συνολικά, οι ερευνητές ελπίζουν ότι η θεωρία τους θα μπορούσε να βοηθήσει στο να εξηγηθεί πώς το μυαλό μας είναι σε θέση να λαμβάνει συνεχώς νέες πληροφορίες, με τίμημα την απώλεια παλαιότερων αναμνήσεων. Οι γνώσεις τους θα μπορούσαν να βοηθήσουν τον νευρολόγο να κατανοήσει καλύτερα τον τρόπο με τον οποίο ο εγκέφαλός μας αποθηκεύει και ανακτά τις αναμνήσεις και γιατί αυτές τελικά εξασθενούν με την πάροδο του χρόνου.

Η έρευνα περιγράφεται στο Φυσική εξέταση X.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• πηγή: https://physicsworld.com/a/chaos-plays-a-role-in-how-memories-are-forgotten-simulations-suggest/