大脑是一个由重叠电路组成的迷宫网络-有些途径鼓励活动，而另一些则抑制活动。虽然早期的研究更多地集中在兴奋性回路上，但现在人们已经认识到抑制回路在脑功能中起着同等重要的作用。冲绳科技大学研究生院(OIST)和RIKEN脑科学中心的研究人员创建了一个人工网络来模拟大脑，表明修补抑制电路会导致记忆的扩展。

关联记忆是连接不相关项并将其存储在内存中的能力-将同现项关联为单个情节。在《物理评论快报》上发表的这项研究中，研究小组使用顺序排列的模式来模拟记忆，发现当模型考虑抑制电路时，计算机能够记住跨越较长情节的模式。他们继续说明如何将这一发现应用于解释我们自己的大脑。

OIST的神经编码和大脑计算部门负责人Tomoki Fukai教授解释说：“这种简单的处理模型向我们展示了大脑如何处理序列提供的信息。”该研究由RIKEN合作者Tatsuya Haga博士领导。“通过使用计算机对神经元建模，我们可以开始了解自己的记忆处理过程。”

降低抑制力

现在，从物理，非生物现象的角度来思考大脑已成为神经科学中一种被广泛接受的方法，而从物理学中提炼出来的许多想法现在已经在动物研究中得到了验证。这样的想法是将大脑的记忆系统理解为吸引网络，即一组连接的节点，这些节点显示活动模式并趋向某些状态。吸引网络的思想构成了这项研究的基础。

神经生物学的信条是“一起发射的细胞相互连接”-同时活动的神经元变得同步，这在一定程度上解释了我们的大脑如何随时间变化。在他们的模型中，研究小组创建了兴奋性回路-神经元共同激发的模式-以复制大脑。该模型包括遍布网络的许多激励电路。

更重要的是，研究小组在模型中插入了抑制回路。不同的抑制电路在局部作用于特定电路，或全局作用于整个网络。电路可阻止有害信号干扰励磁电路，从而更好地激发并连接在一起。这些抑制回路使兴奋回路能够记住代表较长发作的模式。

这一发现与当前关于海马体(涉及联想记忆的大脑区域)的已知情况相吻合。人们认为，兴奋和抑制活性之间的平衡是可以形成新的联系的原因。抑制活性可由称为乙酰胆碱的化学物质调节，已知该化学物质在海马体的记忆中起作用。该模型是这些过程的数字表示。

然而，该方法的挑战是使用随机采样。网络中大量可能的输出或吸引子状态会使计算机的存储容量超负荷。相反，团队必须依靠输出的选择，而不是对每种可能的组合进行系统的审查。这使他们能够克服技术难题，而又不会损害模型的预测。

总的来说，这项研究允许进行总体推论-抑制性神经元在联想记忆中起着重要作用，这映射到我们对自己大脑的期望。Fukai说，生物学研究需要完成才能确定这项计算工作的确切有效性。然后，有可能将模拟的组成部分映射到它们的生物学对应部分，从而建立更完整的海马和联想记忆图。

该团队接下来将超越一个简单的模型，转向具有更好地代表海马体的其他参数的模型，并研究局部和全局抑制回路的相对重要性。当前模型包含关闭或打开的神经元-零和一。未来的模型将包括树突，即在复杂网格中连接神经元的分支。这种更现实的模拟将更容易得出关于生物大脑的结论。