مدلسازی دینامیک گذرا در تصمیم‌گیری مدارهای مغزی

اگرچه بسیاری از مدلسازی های کدگذاری اطلاعات در مغز با دینامیک جاذبهای پایدار صورت گرفته است، استفاده از این مدل در بعضی آزمایشها با چالشهای جدی مواجه می‌شود. به عنوان مثال در مساله تصمیم گیری در مغز، گاهی مدت زمان پاسخ به محرک هایی مانند بویایی یا بینایی به حدی کوتاه است که شبکه سلولهای عصبی مربوطه در مغز، فرصت کافی برای رسیدن به جاذب پایدار را ندارد. همچنین مطالعاتی وجود دارد که وجود اطلاعات در مورد تصمیم نهایی را به دینامیک گذرای حاالت این شبکه‌ها نسبت می‌دهد. به این ترتیب ارائه مدلهایی برای تصمیم گیری حالت گذرا، یعنی حالتهایی که به هر دلیل به نقطه جاذب منتهی نمی‌شود ضروری است. در این مقاله با استفاده از چرخه‌های هتروکیلینیک پایدار، به مدلسازی فرایند تصمیم‌گیری در مغز، با در نظر گرفتن اطلاعات در دینامیک گذرا می‌پردازیم. با بدست آوردن تابع سایکومتریک مربوط به مدلسازی تصمیم‌گیری، نشان میدهیم این مدل از نظر کیفی نمودارهای بدست آمده از تجربه را به خوبی توجیه می‌کند.

modeling transient dynamics in decision-making circuits of the brain

although many models of information encoding in the brain have been developed based on the dynamics of stable attractors, the use of this model faces significant challenges in some experiments. for example, in decision-making in the brain, sometimes the response time to stimuli such as olfactory or visual inputs is so short that the related network of neural cells in the brain does not have enough time to reach a stable attractor. additionally, there are studies that attribute the presence of information about the final decision to the transient dynamics of these networks. therefore, presenting models for transient state decision-making—states that for some reason do not lead to a stable attractor—is essential. in this paper, we model the decision-making process in the brain considering transient dynamics using stable heteroclinic cycles. by obtaining the psychometric function related to decision-making modeling in this way, we demonstrate that this model adequately explains the empirical data qualitatively.