近日，中国科学院深圳先进技术研究院脑所脑认知与类脑智能研究中心詹阳课题组通过开发类脑计算模型和信息流向分析方法，研究了多节点神经网络中的信息流向。研究采用脉冲神经网络模型和因果关系分析方法，发现了网络内部的神经活动同步性决定了神经网络之间的信息流向。该结果揭示了一种新的网络之间的信息交互关系，相关论文以Novel Causal Relations between Neuronal Networks due to Synchronization为题发表于Cerebral Cortex杂志。

　　在相互连接的多网络结构中，传统认为有外界输入的网络会把信息传递给非激活或者没有外界输入的网络。通过神经元网络建模，在三个节点的网络结构中，发现没有外界输入的网络会把信息传递给其他网络。进一步分析表明，无外界输入的网络中的神经元接收到来自其他网络中兴奋性神经元的共同输入，这些具有较高密度的共同输入引起该网络中的神经元放电的高度同步，进而使得该网络中的同步神经活动进一步传递到其他神经网络中，并在时间上领先其他网络的神经同步。采用因果关系分析方法，该研究从多个方面解析了网络之间的信息流向。该结果可以应用到复杂的网络结构中，如多层次的深度网络结构、小世界网络结构等。

　　该研究对研究大脑网络对外界信息的处理方式，以及理解神经系统疾病条件中的信息流向异常具有一定意义。该研究受到科技部重点研发计划和国家自然科学基金委的支持。

　　论文链接 

　　类脑计算模型和神经网络中的信息流向解析