大脑的神经元之间是由被称为神经元回路的庞大而复杂的神经网络连接而成的。然而，尽管有其复杂性，这些神经元回路却能够展现出惊人地集体行为，例如“神经元雪崩”行为：在一个相互连接的神经元小组中短暂的爆发活动，引起了越来越多应激反应的级联效应。汇聚了中国大陆、香港和澳大利亚的一个国际研究小组，深入研究了神经元雪崩效应和大脑学习模型之间的连接规则—神经元如何“选择性”的连接彼此对刺激的反应，其研究成果发表在AIP Journal 《混沌》(Chaos) 上。这种大脑的学习模式，又称为尖峰时间依赖可塑性，是基于大脑中真实行为的观察而实现的。

      研究人员通过模拟计算表明，从大脑学习模式中获得的复杂神经元回路也非常擅于产生神经元雪崩效应。这种模型和经过证实的、真实的神经元行为具有一致性，这种一致性表明，大脑学习模型是一种精确的描述大脑如何处理信息的方法。作者说，他们的工作有助于理解“学习过程”是如何导致大脑皮质结构形成的，以及由此产生的这种结构为何可以如此有效的处理大量信息。“虽然这些研究成果与现有的神经生理学完全一致，但我们的工作首次提供了这方面的具体环节”，文章的作者之一，西澳大利亚大学的Michael Small 说，“对于如此复杂的大脑皮层系统如何能产生惊人的集体行为，我们的工作提供了一种简单的，或许应该说是神奇的解释。” 

Article: “Neuronal avalanches of a self-organized neural network with active-neuron-dominant structure” is published in Chaos.
文章“神经元主导的自组织神经网络结构的神经元雪崩”发表在“chaos”上。

Authors: Xiumin Li (1,2) and Michael Small (3,2).
(1)College of Automation, Chongqing University, China
自动化学院，重庆大学，中国
(2) Department of Electronic and Information Engineering, Hong Kong Polytechnic University
电子信息工程系，香港理工大学
(3) School of Mathematics and Statistics, University of Western Australia
数学与统计学院，西澳大利亚大学

本科研工作由香港大学教育资助委员会，竞争性专项研究资助项目的支持完成。

原文地址http://chinese.eurekalert.org/zh/pub_releases/2012-05/aiop-wfa052412.php