🧠 neuroscience

Hierarchical Neural Circuit Theory of Normalization and Inter-areal Communication

यह शोध पत्र एक पदानुक्रमित तंत्रिका परिपथ सिद्धांत प्रस्तावित करता है जो फीडबैक कनेक्शन के माध्यम से विभाजक सामान्यीकरण (divisive normalization) को गतिशील रूप से कार्यान्वित करता है, स्पेक्ट्रल हस्ताक्षरों को विश्लेषणात्मक रूप से व्युत्पन्न करता है और भविष्यवाणी करता है कि फीडबैक की शक्ति एक निम्न-आयामी उपस्थान (low-dimensional subspace) के भीतर अंतर-क्षेत्रीय संचार को नियंत्रित करती है जबकि कॉर्टिकल क्षेत्रों में गतिशील कार्यात्मक कनेक्टिविटी को निर्देशित करती है।

मूल लेखक: Pal, A., Rawat, S., Heeger, D. J., Martiniani, S.

प्रकाशित 2026-03-11

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pal, A., Rawat, S., Heeger, D. J., Martiniani, S.

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपका मस्तिष्क केवल एक एकल, विशाल कंप्यूटर नहीं है, बल्कि एक विशाल, हलचल भरा शहर है जिसमें अलग-अलग पड़ोस (जैसे V1, V2, V4 और V5) हैं जो लगातार एक-दूसरे से बात कर रहे हैं। यह शोध पत्र इस बारे में एक नया "ट्रैफिक मैप" प्रस्तुत करता है कि कैसे ये पड़ोस आपस में संवाद करते हैं, जो मुख्य रूप से दो चीजों पर केंद्रित है: वे अपने संकेतों को स्पष्ट कैसे रखते हैं (नॉर्मलाइजेशन/सामान्यीकरण) और वे यह कैसे तय करते हैं कि कौन किससे बात करेगा (संचार)।

यहाँ सरल उपमाओं का उपयोग करके सिद्धांत का विवरण दिया गया है:

1. मूल अवधारणा: "वॉल्यूम नॉब" वाला शहर

इस शहर में, हर पड़ोस का एक नियम है: बहुत ज़ोर से मत चिल्लाओ। यदि एक व्यक्ति चिल्लाना शुरू कर देता है, तो पूरी भीड़ चीज़ों को संतुलित रखने के लिए शांत हो जाती है। तंत्रिका विज्ञान (neuroscience) में इसे डिवाइसिव नॉर्मलाइजेशन (Divisive Normalization) कहा जाता है।

उपमा: एक भीड़भाड़ वाली पार्टी की कल्पना करें। यदि एक व्यक्ति ज़ोर से चुटकुला सुनाना शुरू करता है, तो बाकी लोग स्वाभाविक रूप से अपनी आवाज़ धीमी कर लेते हैं ताकि आप उन्हें सुन सकें। यह कमरे को अराजक शोर बनने से रोकने के लिए किया जाता है। मस्तिष्क इसे न्यूरल संकेतों को स्पष्ट और स्थिर रखने के लिए स्वचालित रूप से करता है।

2. नई खोज: "टू-वे रेडियो"

पिछले सिद्धांतों ने इस बात पर ध्यान दिया कि सूचना एक दिशा में कैसे बहती है (आंखों से मस्तिष्क की ओर ऊपर की ओर)। यह शोध उस लापता हिस्से को जोड़ता है: फीडबैक (Feedback)। यह मस्तिष्क का खुद से ही बात करना है।

उपमा: सोचिए कि V1 (पहला दृश्य क्षेत्र) एक जूनियर रिपोर्टर है और V2 (एक उच्च क्षेत्र) एक संपादक है।
- फीडफॉरवर्ड (नीचे से ऊपर): रिपोर्टर संपादक को एक कच्ची कहानी भेजता है।
- फीडबैक (ऊपर से नीचे): संपादक रिपोर्टर को नोट्स वापस भेजता है कि, "इस हिस्से पर ध्यान केंद्रित करें," या "इस विवरण की आवाज़ बढ़ा दें।"
- निष्कर्ष: जब संपादक (V2) अधिक मजबूत फीडबैक भेजता है, तो यह न केवल कहानी को बदलता है; यह वास्तव में रिपोर्टर (V1) और संपादक दोनों को बेहतर तरीके से काम करने में मदद करता है, जिससे उनका संबंध और मजबूत होता है।

3. संचार की लय (Oscillations)

मस्तिष्क केवल स्थिर संदेश नहीं भेजता; यह लयबद्ध तरंगों में संदेश भेजता है, जैसे कि दिल की धड़कन या ढोल की थाप। ये तरंगें अलग-अलग गति (आवृत्ति) पर होती हैं।

उपमा: कल्पना कीजिए कि शहर में एक रेडियो स्टेशन है।
- कम कंट्रास्ट (धुंधली रोशनी): स्टेशन धीमी, सुस्त संगीत (अल्फा तरंगें) बजाता है।
- उच्च कंट्रास्ट (तेज रोशनी): स्टेशन तेज़, ऊर्जावान संगीत (गामा तरंगें) पर स्विच कर देता है।
- सिद्धांत का पूर्वानुमान: यह शोध पत्र भविष्यवाणी करता है कि जब आप "वॉल्यूम" (कंट्रास्ट) बढ़ाते हैं या जब संपादक अधिक नोट्स भेजता है (फीडबैक), तो संगीत कैसे बदल जाता है। उन्होंने पाया कि फीडबैक बढ़ाने से मस्तिष्क द्वारा बजाए जाने वाले संगीत का प्रकार बदल जाता है, जो इसे तेज़, अधिक ऊर्जावान लय की ओर ले जाता है।

4. गुप्त सुरंग: संचार उपस्थान (Communication Subspaces)

यह सबसे दिलचस्प हिस्सा है। मस्तिष्क के पास अरबों न्यूरॉन्स हैं, जो एक बहुत बड़ा, अस्त-व्यस्त स्थान है। लेकिन जब दो क्षेत्र आपस में बात करते हैं, तो वे पूरे स्थान का उपयोग नहीं करते। वे एक छोटे, गुप्त सुरंग का उपयोग करते हैं।

उपमा: कल्पना कीजिए कि V1 और V2 दो विशाल पुस्तकालय हैं जिनमें लाखों किताबें हैं।
- क्षेत्र के भीतर संचार: जब V1 खुद से बात करता है, तो वह पूरे पुस्तकालय का उपयोग करता है, हर गलियारे से किताबें निकालता है।
- क्षेत्रों के बीच संचार: जब V1, V2 से बात करता है, तो वे केवल एक विशिष्ट, संकीर्ण गलियारे (कम्युनिकेशन सबस्पेस) का उपयोग करते हैं।
- खोज: सिद्धांत भविष्यवाणी करता है कि यह गलियारा वास्तव में पूरे पुस्तकालय की तुलना में छोटा (निम्न-आयामी) है। यह एक अत्यधिक कुशल, सुव्यवस्थित चैनल है।
- जादू: जब मस्तिष्क के क्षेत्र "तालमेल" (उच्च कोहेरेंस) में होते हैं, तो यह गलियारा और भी संकीर्ण और अधिक कुशल हो जाता है। यह एक VIP लेन की तरह है जो केवल तभी खुलती है जब ट्रैफ़िक पूरी तरह से समन्वित होता है।

5. ट्रैफिक कंट्रोलर: डायनेमिक रूटिंग

मस्तिष्क यह कैसे तय करता है कि किस पड़ोस से बात करनी है? क्या यह पहले से तय है? नहीं।

उपमा: कल्पना कीजिए कि V1 एक रेलवे स्टेशन है जिसके ट्रैक दो अलग-अलग शहरों की ओर जाते हैं: सिटी V4 (आकृतियों के लिए) और सिटी V5 (गति के लिए)।
- पुराना दृष्टिकोण: ट्रैक निश्चित हैं।
- नया दृष्टिकोण: ट्रैक गतिशील हैं। यदि सिटी V5 में "संपादक" एक मजबूत संकेत भेजता है कि, "हमें अभी गति (motion) डेटा चाहिए!", तो V1 में स्विच तुरंत ट्रेन को V5 की ओर मोड़ देता है। यदि V4 एक मजबूत संकेत भेजता है, तो ट्रेन वहां चली जाती है।
- परिणाम: मस्तिष्क उच्च क्षेत्रों से मिलने वाले फीडबैक के "वॉल्यूम" को समायोजित करके तुरंत अपना ध्यान (फंक्शनल कनेक्टिविटी) बदल सकता है। यही कारण है कि हम किसी आकार को देखने से लेकर चलती हुई कार को नोटिस करने के बीच तुरंत स्विच कर पाते हैं।

सारांश: यह शोध पत्र आपके लिए क्या मायने रखता है

यह शोध पत्र एक एकीकृत "नियम पुस्तिका" प्रदान करता है कि मस्तिष्क खुद को कैसे व्यवस्थित करता है। यह समझाता है कि:

हम स्पष्ट क्यों देखते हैं: नॉर्मलाइजेशन शोर को कम रखता है।
हम ध्यान कैसे केंद्रित करते हैं: फीडबैक एक स्पॉटलाइट की तरह काम करता है, जो महत्वपूर्ण चीजों को बढ़ाता है।
हम तेज़ी से कैसे सोचते हैं: मस्तिष्क सूचना पास करने के लिए कुशल, संकीर्ण "VIP सुरंगों" (सबस्पेस) का उपयोग करता है, और ये सुरंगें तब और बेहतर हो जाती हैं जब मस्तिष्क की लय (कोहेरेंस) संरेखित होती है।

यह यह खोजने जैसा है कि शहर का ट्रैफ़िक यादृच्छिक अराजकता नहीं है, बल्कि एक अत्यधिक परिष्कृत, स्व-विनियमित प्रणाली है जहाँ गगनचुंबी इमारतों में बैठे "संपादक" ट्रैफ़िक को ज़रूरत के अनुसार तुरंत पुनर्निर्देशित कर सकते हैं, और साथ ही यह भी सुनिश्चित करते हैं कि सड़कों पर जाम न लगे।

यहाँ असित पाल एवं अन्य द्वारा लिखित शोध पत्र "Hierarchical Neural Circuit Theory of Normalization and Inter-areal Communication" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

प्राइमेट मस्तिष्क (primate brain) पारस्परिक रूप से जुड़े कॉर्टिकल क्षेत्रों के एक पदानुक्रमित नेटवर्क (hierarchical network) के रूप में कार्य करता है जो "कैनोनिकल कंप्यूटेशन" (canonical computations) करते हैं, जिसमें डिविसिव नॉर्मलाइजेशन (divisive normalization) तंत्रिका प्रतिक्रियाओं को विनियमित करने के लिए एक मौलिक तंत्र है। जबकि नॉर्मलाइजेशन का अध्ययन फीडफॉरवर्ड या एकल-क्षेत्र पुनरावर्ती नेटवर्कों (single-area recurrent networks) में व्यापक रूप से किया गया है, फीडबैक कनेक्शन वाले पदानुक्रमित नेटवर्कों के भीतर इसके कार्यान्वयन और प्रभावों को अभी भी पूरी तरह से समझा नहीं गया है।

इसके अतिरिक्त, अंतर-क्षेत्रीय संचार (inter-areal communication) के संबंध में दो प्रमुख लेकिन परस्पर विरोधी प्रतीत होने वाली परिकल्पनाएँ हैं:

कम्युनिकेशन थ्रू कोहेरेंस (CTC): सिंक्रोनाइज्ड ऑसिलेशन (कोहेरेंस) प्रभावी संचार के लिए महत्वपूर्ण हैं।
कम्युनिकेशन सबस्पेस (CS): संचार उच्च-आयामी न्यूरल गतिविधि स्थान में अंतर्निहित निम्न-आयामी मैनिफोल्ड्स (low-dimensional manifolds) के माध्यम से होता है।

क्षेत्र (field) में एक ऐसे एकीकृत सैद्धांतिक ढांचे (unified theoretical framework) की कमी है जो यह समझा सके कि फीडबैक, नॉर्मलाइजेशन और उद्दीपन गुण (जैसे कंट्रास्ट) कैसे न्यूरल रिस्पॉन्स, ऑसिलेटरी डायनेमिक्स और संचार सबस्पेस की संरचना को गतिशील रूप से नियंत्रित करते हैं ताकि इन परिकल्पनाओं का समन्वय किया जा सके।

2. कार्यप्रणाली (Methodology)

लेखक एक Hierarchical Oscillatory Recurrent Gated Neural Integrator Circuit (hORGaNICs) सिद्धांत प्रस्तुत करते हैं।

मॉडल आर्किटेक्चर: मॉडल में कई कॉर्टिकल क्षेत्र (जैसे V1, V2, V4, V5) शामिल हैं जो फीडफॉरवर्ड, रिकरेंट और फीडबैक पथों के माध्यम से जुड़े हुए हैं।
सेल प्रकार (Cell Types): सर्किट में चार विशिष्ट प्रकार की कोशिकाएं हैं जिनके विशिष्ट कम्प्यूटेशनल रोल हैं:
- प्रिंसिपल एक्साइटेटरी न्यूरॉन्स ( $y$ ): ये पाइरामिडल न्यूरॉन्स का प्रतिनिधित्व करते हैं।
- मॉड्यूलेटरी एक्साइटेटरी न्यूरॉन्स ( $u$ ): ये उत्तेजक प्रवर्धन (excitatory amplification) को संचालित करते हैं।
- मॉड्यूलेटरी इनहिबिटरी न्यूरॉन्स ( $a$ ): ये "नॉर्मलाइजेशन सिग्नल" (जो स्थानीय और फीडबैक इनपुट को जोड़ता है) को ले जाते हैं।
- इनहिबिटरी इंटरन्यूरॉन्स ( $q$ ): ये मॉड्यूलेटरी एक्साइटेटरी न्यूरॉन्स को नियंत्रित करते हैं।
डायनेमिक्स (Dynamics): सिस्टम को नॉनलीनियर डिफरेंशियल इक्वेशंस का उपयोग करके मॉडल किया गया है। प्रिंसिपल न्यूरॉन्स की फायरिंग रेट तीन पदों (terms) के योग द्वारा निर्धारित होती है:
1. इनपुट ड्राइव: जिसे इनपुट गेन ( $\beta$ ) द्वारा स्केल किया जाता है।
2. फीडबैक ड्राइव: जिसे फीडबैक गेन ( $\gamma$ ) द्वारा स्केल किया जाता है।
3. रिकरेंट ड्राइव: स्थानीय पुनरावर्ती गतिविधि और स्केल किए गए फीडबैक का एक संयोजन, जिसे सामूहिक रूप से रिकरेंट गेन (जो इनहिबिटरी मॉड्यूलेटर कोशिकाओं $a$ द्वारा नियंत्रित होता है) द्वारा मॉड्यूलेट किया जाता है।
नॉर्मलाइजेशन तंत्र: डिविसिव नॉर्मलाइजेशन को गतिशील रूप से लागू किया गया है। कमजोर इनपुट को रिकरेंट एम्प्लीफिकेशन के माध्यम से मजबूत इनपुट की तुलना में अधिक बढ़ाया जाता है, जिसे इनहिबिटरी मॉड्यूलेटर कोशिकाओं की गतिविधि द्वारा व्युत्क्रम रूप से (inversely) विनियमित किया जाता है।
विश्लेषणात्मक दृष्टिकोण (Analytical Approach): भारी सिमुलेशन की आवश्यकता वाले पिछले मॉडलों के विपरीत, यह ढांचा पावर स्पेक्ट्रा, कोहेरेंस स्पेक्ट्रा और कम्युनिकेशन सबस्पेस के लिए एनालिटिकल डेरिवेशन (विश्लेषणात्मक व्युत्पत्ति) की अनुमति देता है। लेखक स्पेक्ट्रल गुणों के लिए क्लोज्ड-फॉर्म समाधान प्राप्त करने के लिए सिस्टम को एक फिक्स्ड पॉइंट के चारों ओर लीनियराइज (linearize) करते हैं।
नॉइज़ मॉडलिंग: मॉडल में यथार्थवादी लोकल फील्ड पोटेंशियल (LFP) और स्पाइकिंग डायनेमिक्स को सिम्युलेट करने के लिए लो-पास फिल्टर्ड सिनैप्टिक नॉइज़ और मल्टीप्लिकेटिव गौसियन व्हाइट नॉइज़ को शामिल किया गया है।

3. मुख्य योगदान (Key Contributions)

एकीकृत ढांचा (Unified Framework): यह सिद्धांत एक एकल यांत्रिक विवरण प्रदान करता है जो एक साथ डिविसिव नॉर्मलाइजेशन, ऑसिलेटरी डायनेमिक्स (पावर/कोहेरेंस स्पेक्ट्रा), और कम्युनिकेशन सबस्पेस की व्याख्या करता है।
CTC और CS का समन्वय: लेखक यह प्रदर्शित करते हैं कि कोहेरेंस और कम्युनिकेशन सबस्पेस प्रतिस्पर्धी परिकल्पनाएं नहीं हैं, बल्कि एक ही तंत्र से उत्पन्न होने वाली पूरक घटनाएं हैं। उच्च कोहेरेंस फ्रीक्वेंसी अधिकतम संचार प्रभावकारिता और न्यूनतम सबस्पेस आयाम (dimensionality) के अनुरूप होती है।
विश्लेषणात्मक सुगमता (Analytical Tractability): मॉडल पावर और कोहेरेंस स्पेक्ट्रा के लिए क्लोज्ड-फॉर्म एक्सप्रेशन प्रदान करता है, जिससे पैरामीटर फिटिंग के बिना प्रयोगात्मक डेटा के साथ सीधा तुलना करना संभव होता है।
डायनेमिक फंक्शनल कनेक्टिविटी के लिए तंत्र: यह सिद्धांत प्रस्तावित करता है कि टॉप-डाउन फीडबैक, उच्च क्षेत्रों में न्यूरल गतिविधि के सापेक्ष गेन को बदलकर, सूचना प्रवाह को गतिशील रूप से रूट कर सकता है, जिससे एनाटॉमिकल कनेक्शनों को बदले बिना कार्यात्मक कनेक्टिविटी (functional connectivity) बदल जाती है।

4. मुख्य परिणाम (Key Results)

A. कंट्रास्ट रिस्पॉन्स फंक्शन्स (Contrast Response Functions)

मॉडल V1 और V2 में देखे जाने वाले विशिष्ट सिग्मोइडल कंट्रास्ट-रिस्पॉन्स कर्व्स को पुनरुत्पादित करता है।
पूर्वानुमान (Prediction): फीडबैक गेन ( $\gamma$ ) या इनपुट गेन ( $\beta$ ) को बढ़ाने से न्यूरल रिस्पॉन्स मुख्य रूप से लॉग-कंट्रास्ट एक्सिस के साथ कंट्रास्ट-रिस्पॉन्स फंक्शन को शिफ्ट करके (कंट्रास्ट गेन बदलकर) बढ़ता है, न कि रिस्पॉन्स एम्प्लीट्यूड को बदलकर।

B. पावर और कोहेरेंस स्पेक्ट्रा (Power and Coherence Spectra)

गामा ऑसिलेशन: मॉडल नॉर्मलाइजेशन द्वारा संचालित गामा फ्रीक्वेंसी रेंज (40–60 Hz) में रेजोनेंट पीक्स की भविष्यवाणी करता है।
कंट्रास्ट प्रभाव: जैसे-जैसे स्टिमुलस कंट्रास्ट बढ़ता है, पावर और कोहेरेंस दोनों स्पेक्ट्रा में पीक फ्रीक्वेंसी उच्च आवृत्तियों की ओर शिफ्ट हो जाती है।
हाई-फ्रीक्वेंसी डिके (Decay): उच्च आवृत्तियों पर पावर $1/f^4$ के रूप में घटती है, जो प्रयोगात्मक LFP डेटा से मेल खाती है।
गेन मॉड्यूलेशन सिग्नेचर:
- फीडबैक गेन: फीडबैक गेन बढ़ाने से गामा पीक्स उच्च आवृत्तियों की ओर शिफ्ट हो जाती हैं और बैंडविड्थ चौड़ी हो जाती है। कम कंट्रास्ट पर, यह अल्फा-बैंड ऑसिलेशन को दबा देता है।
- इनपुट गेन: इनपुट गेन बढ़ाने से गामा पीक्स उच्च आवृत्तियों की ओर शिफ्ट हो जाती हैं लेकिन बैंडविड्थ संकुचित (narrow) हो जाती है। यह अल्फा पीक्स को दबाता नहीं है।

C. कम्युनिकेशन सबस्पेस (Communication Subspaces)

आयाम (Dimensionality): अंतर-क्षेत्रीय (V1-V2) कम्युनिकेशन सबस्पेस, क्षेत्र-भीतर (V1-V1) सबस्पेस की तुलना में कम-आयामी (lower-dimensional) है।
फीडबैक प्रभाव: फीडबैक गेन बढ़ाने से अंतर-क्षेत्रीय संचार बढ़ता है जबकि क्षेत्र-भीतर संचार कम होता है, बिना सबस्पेस डायमेंशनलिटी को बदले।
फ्रीक्वेंसी डिपेंडेंस: संचार प्रभावकारिता आवृत्ति-निर्भर (frequency-dependent) है। उच्च कोहेरेंस वाली आवृत्तियों में निम्नलिखित विशेषताएं होती हैं:
1. अधिकतम प्रेडिक्शन परफॉरमेंस (संचार प्रभावकारिता)।
2. न्यूनतम सबस्पेस डायमेंशनलिटी।
नॉर्मलाइजेशन की भूमिका: नॉर्मलाइजेशन को हटाने से ऑसिलेटरी पीक्स समाप्त हो जाती हैं और कोहेरेंस तथा डायमेंशनलिटी के बीच का सहसंबंध नष्ट हो जाता है, जो यह सिद्ध करता है कि नॉर्मलाइजेशन इन डायनेमिक्स के लिए केंद्रीय है।

D. डायनेमिक फंक्शनल कनेक्टिविटी (तीन-क्षेत्र मॉडल)

V1 $\leftrightarrow$ V4 / V1 $\leftrightarrow$ V5 मॉडल में, सिद्धांत यह भविष्यवाणी करता है कि उच्च क्षेत्रों से फीडबैक की सापेक्ष शक्ति सूचना प्रवाह को निर्धारित करती है।
यदि V5 से V1 को मिलने वाला फीडबैक, V4 की तुलना में अधिक मजबूत है, तो V1 अधिमानतः (preferentially) V5 के साथ संचार करेगा, और इसके विपरीत भी। यह फीचर-बेस्ड अटेंशन के लिए एक तंत्र का सुझाव देता है जहाँ टॉप-डाउन सिग्नल विशिष्ट उच्च क्षेत्रों में गतिविधि को चुनिंदा रूप से बढ़ावा देकर सूचना को रूट करते हैं।

5. महत्व (Significance)

सैद्धांतिक एकीकरण: यह कार्य "कोहेरेंस" और "सबस्पेस" सिद्धांतों के बीच के विवाद को हल करता है, यह दिखाकर कि वे एक ही सिक्के के दो पहलू हैं, जिन्हें नॉर्मलाइजेशन और फीडबैक द्वारा गतिशील रूप से आकार दिया जाता है।
प्रयोगात्मक भविष्यवाणियाँ: यह सिद्धांत इनपुट गेन (बॉटम-अप अटेंशन/सेंसरी ड्राइव) और फीडबैक गेन (टॉप-डाउन अटेंशन/एक्सपेक्टेशन) के बीच अंतर करने के लिए विशिष्ट स्पेक्ट्रल सिग्नेचर प्रदान करता है। उदाहरण के लिए, केवल फीडबैक गेन मॉड्यूलेशन ही अल्फा ऑसिलेशन को दबाता है और गामा पीक्स को चौड़ा करता है।
जैविक संभाव्यता (Biological Plausibility): मॉडल कम्प्यूटेशनल घटकों को विशिष्ट कॉर्टिकल माइक्रोसर्किट्स (जैसे PV+, SST+, VIP इंटरन्यूरॉन्स) और पाइरेमिडल न्यूरॉन्स के डेंड्रिटिक कंपार्टमेंट्स से मैप करता है, जो यह बताता है कि नॉर्मलाइजेशन और गेन कंट्रोल को कैसे लागू किया जाता है।
संज्ञानात्मक लचीलापन (Cognitive Flexibility): गेन मॉड्यूलेशन के माध्यम से डायनेमिक फंक्शनल कनेक्टिविटी का तंत्र यह समझाने के लिए एक सिद्धांत प्रदान करता है कि मस्तिष्क जटिल संज्ञानात्मक कार्यों के लिए एनाटॉमिकल कनेक्शनों को फिर से बनाए बिना सूचना को कैसे लचीले ढंग से रूट करता है।