Core Concepts
Das Zweikammer-Neuronen-Modell Ca-AdEx kann die Mechanismen der apikalen Verstärkung, Isolation und Antrieb in Abhängigkeit des Hirnzustands abbilden.
Abstract
Das Zweikammer-Neuronen-Modell Ca-AdEx wurde entwickelt, um die Mechanismen der apikalen Verstärkung, Isolation und Antrieb in Abhängigkeit des Hirnzustands zu modellieren.
Das Modell kombiniert die Dynamik des adaptiven exponentiellen Integrate-and-Fire-Neurons (AdEx) im somatischen Kompartiment mit der Calcium-Dynamik im apikalen Kompartiment. Durch gezielte Optimierung der Modellparameter konnte das Modell so konfiguriert werden, dass es die beobachteten Verhaltensweisen der Neuronen in verschiedenen Hirnzuständen (Wachheit, NREM-Schlaf, REM-Schlaf) widerspiegelt.
Im Wachzustand zeigt das Modell eine apikale Verstärkung, bei der ein rücklaufendes Aktionspotenzial aus dem Soma die Calcium-Kanäle im apikalen Kompartiment aktiviert und so einen Burst von Aktionspotenzialen auslöst. Im NREM-Schlaf dominiert stattdessen eine apikale Isolation, bei der die Kopplung zwischen Soma und Apikalkompartiment reduziert ist. Im REM-Schlaf tritt schließlich ein apikaler Antrieb auf, bei dem das apikale Kompartiment selbstständig Calcium-Spikes generiert.
Das Modell wurde so optimiert, dass es diese unterschiedlichen Regimes in Abhängigkeit der Eingangssignale an Soma und Apikalkompartiment abbilden kann. Darüber hinaus wurde eine kompakte geometrische Beschreibung der Übertragungsfunktion des Modells entwickelt, die eine effiziente Implementierung in großskaligen, bio-inspirierten KI-Systemen ermöglicht.
Stats
Die Schwelle für die Aktivierung des Calcium-Kanals im apikalen Kompartiment liegt bei 630 pA.
Ohne somatischen Eingangsstrom wird bei einem Eingangsstrom von 630 pA im apikalen Kompartiment ein Calcium-Spike ausgelöst, der zu einer deutlichen Erhöhung der Feuerrate führt.
Die Feuerrate steigt linear mit zunehmendem somatischen und apikalen Eingangsstrom an, sobald der Calcium-Kanal aktiviert ist.
Quotes
"Das Zweikammer-Neuronen-Modell Ca-AdEx kann die Mechanismen der apikalen Verstärkung, Isolation und Antrieb in Abhängigkeit des Hirnzustands abbilden."
"Durch gezielte Optimierung der Modellparameter konnte das Modell so konfiguriert werden, dass es die beobachteten Verhaltensweisen der Neuronen in verschiedenen Hirnzuständen widerspiegelt."