beat365官方网站陶乐天课题组在Journal of Computational Neuroscience杂志上发表了题为“A mechanism for graded, dynamically routable current propagation in pulse-gated synfire chains and implications for information coding”的论文。该工作在经典神经元网络的基础上，建立了具有响应时间控制的前馈神经环路中信息传递的数学模型，发现了在瞬态或振荡环境中，信息精确传递的动力学机制，并通过模型稳健性分析，进一步提出了信号传递、处理和调控的理论框架(Sornborger, Wang and Tao, J Comput Neurosci, 39, 181-195, 2015，http://link.springer.com/article/10.1007/s10827-015-0570-8)。

      神经信息传递通常是在瞬态、短时间内、或在具有周期性振荡的动态环境下进行的。神经系统中的振荡被证实和多种认知行为相关，如注意、学习、短期记忆、调节神经元之间的相互作用、特征识别、提取等。如何在此动态环境下有效并精确地传递信息还是一个未解问题。对于振荡以及信息传递的有关数学模型和理论分析主要针对于一种叫做synfire链的前馈网络。但由于synfire链的动力学性质使得它只能传递0-1二值化的信息，因此不能够被用来实现复杂的神经计算功能。

模型结构示意图，以及在平均场理论和整合-放电神经元模型仿真中，不同强度的兴奋性电流被精确稳定传递的结果

      陶乐天课题组首次提出了具有脉冲门控（pulse-gated）的前馈网络模型。在这种网络结构中，对于确定的一组参数，信息可以被稳定并精确的传递。该研究阐述了信息精确传递的数学机制，并在神经元网络模型中进行了仿真验证。进一步的稳健性分析表明，在不同大小的神经网络里，在不同类型的门控的驱动下，以及在系统本身的随机性干扰中，该网络结构都能够进行稳定精确的信息传递。同时，该模型可以实现多种复杂的信号传递和信息处理功能，如短期记忆、信息变换以及坐标转换等。所以pulse-gated synfire chain具有神经信息以及其信息流可以分别被调控的特性，让神经信息内容、信息传递时间、和信息流向都可以得到精确的控制。因此，该理论框架可以作为大脑中最基本的信息传递和处理的一种机制。

      加州大学戴维斯分校数学系教授Andrew T. Sornborger为本文第一作者。他和陶乐天研究员为共同通讯作者。生科院博士生王卓为本文的第二作者。此项工作得到北京大学985工程，国家自然科学基金以及科技部973计划的支持。