Forscher fanden heraus, wie Gehirne durch kombinierte kurz- und langfristige synaptische Veränderungen zeitbasierte Signale in stabile Erinnerungen verwandeln. Researchers found how brains turn time-based signals into stable memories using combined short- and long-term synaptic changes.

Forscher der Tianjin Universität und internationale Mitarbeiter haben einen Gehirnmechanismus identifiziert, der Sequenzen neuronaler Aktivität im Laufe der Zeit in räumliche Muster umwandelt und so eine effiziente Informationsverarbeitung und -speicherung ermöglicht. Researchers at Tianjin University and international collaborators have identified a brain mechanism that converts sequences of neural activity over time into spatial patterns, enabling efficient information processing and storage. Die in PNAS veröffentlichte Studie zeigt, dass langfristige und kurzfristige synaptische Veränderungen zusammenarbeiten, um dynamische Inputs – wie eine Melodie – in stabile Repräsentationen zu verwandeln, Speicher- und Geräuschwiderstand zu erhöhen, ohne neuronale Netzwerke zu erweitern. The study, published in PNAS, shows that long-term and short-term synaptic changes work together to transform dynamic inputs—like a melody—into stable representations, enhancing memory and noise resistance without enlarging neural networks. Unterstützt von Computermodellen und elektrophysiologischen Daten von Maus- und menschlichen Neokortiken, zeigen die Ergebnisse einen "Kollaborationscode" für die zeitliche Verarbeitung und bieten Einblicke in die Entwicklung effizienterer, interpretierbarer künstlicher Intelligenzsysteme. Supported by computational models and electrophysiological data from mouse and human neocortices, the findings reveal a "collaboration code" for temporal processing, offering insights for developing more efficient, interpretable artificial intelligence systems.