Корковая архитектура в соответствии с канонической моделью нейронного микроконтура в коре головного примата. Четыре типа нейронов (звёздчатые нейроны, поверхностные и глубокие пирамидальные нейроны и тормозные интернейроны) соединяются возбуждающими (красные) и тормозящими (чёрные) соединениями. Такой набор нейронов и соединений мотивирован анатомическими и теоретическими соображениями в пользу канонической модели
Человек способен одновременно удерживать в рабочей памяти ограниченное количество объектов. Объём рабочей памяти напрямую связан с когнитивной способностью, которая снижается при неврологических заболеваниях и психических расстройствах. Учёные уже несколько десятилетий изучают, как загрузка рабочей памяти влияет на обработку нейронных сигналов в . Они пытаются понять, почему у рабочей памяти такой небольшой объём. И почему когнитивные способности резко падают, если загрузить рабочую память сверх положенного.
Исследования загрузки рабочей памяти и её ограничений были сосредоточены на координации деятельности в лобно-теменной сети. Известно, что она играет важную роль в рабочей памяти. Эти исследования предсказывали пределы пропускной способности рабочей памяти, измеряя уровень сетевой интеграции (то есть как разные части лобно-теменной сети связаны вместе) и синхронизации работы этих частей по активности мозговых волн в гамма-диапазоне. Последние исследования выявили, что зрительная рабочая память работает независимо для двух зрительных полуполей (hemifields) — левого (LFP) и правого (RFP), и что изменения нагрузки оказывают различное влияние на колебательную динамику различных частот.
Сейчас исследователи из Института обучения и памяти Пикауэра при Массачусетском технологическом институте вплотную приблизились к объяснению, почему когнитивные способности снижаются при перегрузке рабочей памяти. Они обнаружили, что в этом случае нарушается сопряжение, то есть синхронизация мозговых волн трёх ключевых регионов.
Учёные разработали крупномасштабную теоретическую модель корковой сети, которая состоит из префронтальной коры (PFC), глазных полей лобной коры (FEF) и боковой внутрипаритетной области (LIP). Это расширенная версия предыдущей модели, основанной на предиктивном кодировании, но только здесь для определения изменений в нейронных связях, которые лежат в основе изменений спектральной мощности на разных частотах, используются отклики кросс-спектральной плотности (Cross Spectral Density, CSD).
Крупномасштабная каноническая модель нейронного микроконтура
Новая модель позволила определить, как зависящие от нагрузки эффекты влияют на функциональную связность с резкими изменениями нейронной связности при превышении ёмкости рабочей памяти и разрушении сигналов прогнозирования.
«Когда вы достигаете максимальной ёмкости [рабочей памяти], то происходит потеря связи обратной связи», — объясняет профессор Эрл Миллер (Earl Miller), соавтор научной работы. Такая потеря синхронизации означает, что три региона (PFC, FEF и LIP) больше не могут взаимодействовать друг с другом для поддержания рабочей памяти: префронтальная кора PFC прекращает давать обратную связь в FEF и LIP. После определённого уровня нагрузки на низкочастотные сигналы между PFC, FEF и LIP рассинхронизируются — и рабочая память больше не функционирует.
Проведённый эксперимент подтвердил предыдущее открытие, что объём рабочей памяти независим доля левого и правого полуполей.
Среднее количество объектов, которые можно удерживать в зрительной рабочей памяти, варьируется у разных людей, но обычно составляет четыре объекта, говорит профессор. Объём рабочей памяти человека обычно ассоциируется с уровнем интеллекта.
Сделав ряд научных открытий по функционированию и рабочей памяти человека, авторы исследования Эрл Миллер и Тимоти Бушман основали коммерческую компанию SplitSage, которая разраьбатывает программы для тестирования интеллектуальных способностей человека и объёма его рабочей памяти. В будущем такие программы могут войти в стандартный набор тестов для работников умственного труда.
Научная статья опубликована 28 марта 2018 года в журнале Cerebral Cortex (doi: 10.1093/cercor/bhy065).
Автор: Анатолий Ализар
