Storing Infinite Dynamical Attractors in Nonreciprocal Associative Neural Networks

Il cervello umano è una vasta rete di miliardi di cellule che si attivano in schemi complessi, creando di tutto, da un ricordo fugace a un battito cardiaco costante. Per decenni, gli scienziati hanno cercato di capire come queste reti archivino le informazioni. Un'idea classica suggerisce che il cervello agisca come una biblioteca, dove specifiche disposizioni di connessioni contengono immagini o fatti statici, proprio come una fotografia su uno scaffale. Tuttavia, l'attività cerebrale reale è raramente immobile. Pulsa con ritmi, cicli e fluttuazioni caotiche che trasportano informazioni nel tempo. Comprendere come una rete possa conservare questi schemi in movimento e mutevoli — piuttosto che solo immagini congelate — è rimasto un enigma difficile. Se il cervello deve funzionare come una macchina dinamica, deve essere in grado di memorizzare non solo cosa sono le cose, ma come esse cambiano.

Un team di ricercatori ha ora sviluppato un nuovo quadro matematico per spiegare come una rete di unità semplici possa archiviare simultaneamente un vasto numero di questi schemi in movimento. Si sono concentrati su un tipo di rete in cui le connessioni tra le unità non sono perfettamente bilanciate; il segnale inviato da un'unità a un'altra non è necessariamente restituito con la stessa intensità. Questa mancanza di simmetria è comune nei sistemi biologici e permette la creazione di cicli e ritmi. I ricercatori si sono posti una domanda fondamentale: quanti diversi schemi in movimento può contenere una tale rete prima di diventare troppo confusa per ricordare uno qualsiasi di essi? La loro risposta rivela che la chiave per archiviare più informazioni non risiede nella complessità degli schemi stessi, ma nella diversità dei loro ritmi interni.

Per esplorare questo aspetto, gli scienziati hanno costruito un modello teorico di una rete composta da unità binarie che oscillano tra due stati. Hanno programmato questa rete per archiviare sequenze specifiche di attività, alcune delle quali si ripetevano in cicli e altre che si comportavano in modi caotici e imprevedibili. Utilizzando metodi statistici avanzati, hanno calcolato i limiti di memoria di questa rete. Hanno scoperto che la capacità della rete di richiamare questi schemi dipende fortemente dalle proprietà matematiche delle connessioni che li codificano. Nello specifico, i ricercatori hanno esaminato le "autofasi" di queste connessioni, che possono essere pensate come la specifica temporizzazione o frequenza alla quale ogni schema memorizzato desidera oscillare.

Quando i ricercatori hanno programmato la rete affinché tutti gli schemi memorizzati condividessero la stessa identica temporizzazione, i risultati sono stati deludenti. La rete poteva contenere solo un numero molto piccolo di questi ricordi in movimento prima che i segnali iniziassero a interferire tra loro. In questo scenario, i loop di feedback interni della rete lavoravano contro se stessi, creando una sorta di rumore che annebbiante i ricordi. Questo era particolarmente vero per gli schemi che si muovevano in cicli; la rete faticava a mantenerli distinti, e la capacità di memorizzarli crollava ben al di sotto di quanto fosse possibile per le immagini statiche.

Tuttove, la storia è cambiata drasticamente quando i ricercatori hanno introdotto la varietà. Quando hanno programmato la rete affinché ogni schema memorizzato avesse una temporizzazione leggermente diversa e casuale, le prestazioni della rete sono migliorate significativamente. Distribuendo le frequenze degli schemi memorizzati, l'interferenza distruttiva che aveva tormentato il sistema uniforme è svanita. I diversi ritmi hanno essenzialmente annullato il rumore che di solito interrompe la memoria, permettendo alla rete di funzionare come se fosse un sistema molto più semplice. In queste simulazioni, la rete poteva archiviare un numero di schemi in movimento che era circa il doppio della capacità dei classici modelli di memoria statica. Più diversificate erano le temporizzazioni degli schemi memorizzati, più informazioni la rete poteva contenere.

I ricercatori hanno testato queste idee eseguendo simulazioni informatiche dettagliate della rete, confrontando le loro previsioni matematiche con il comportamento reale del sistema simulato. Hanno esaminato schemi che si muovevano in semplici cicli così come quelli che seguivano percorsi caotici e insoliti. In ogni caso, la teoria corrispondeva perfettamente alla simulazione. Hanno confermato che, quando gli schemi avevano temporizzazioni diverse, la rete poteva richiamarli con alta precisiono, anche quando il numero di schemi memorizzati era molto elevato. Al contrario, quando le temporizzazioni erano troppo simili, la rete falliva nel recuperare i ricordi. Lo studio suggerisce che la capacità del cervello di gestire molteplici ritmi contemporaneamente — come le diverse onde di attività osservate nell'ippocampo e nella corteccia — potrebbe essere una caratteristica, non un errore. Invece di causare il caos, avere molte frequenze diverse permette al cervello di impacchettare più informazioni nello stesso spazio, impedendo ai segnali di calpestarsi a vicenda.

Questo lavoro sfida l'intuizione secondo cui la complessità porti sempre all'instabilità. In molti sistemi, aggiungere più parti in movimento rende l'insieme più propenso a rompersi. Qui, accade l'opposto: aggiungere diversità ai ritmi degli schemi memorizzati stabilizza il sistema e ne aumenta la capacità. Le scoperte offrono una nuova prospettiva su come i circuiti biologici possano gestire più modalità oscillatorie contemporaneamente. Suggeriscono che la diffusione delle frequenze attraverso i diversi circuiti neurali non sia solo un sottoprodotto della loro attività, ma un meccanismo cruciale che permette al cervello di archiviare una vasta libreria di memorie dinamiche. La ricerca fornisce una chiara spiegazione matematica del perché una rete di unità semplici e rumorose possa diventare un sistema di memoria potente e ad alta capacità, semplicemente assicurandosi che i suoi schemi memorizzati non marcino tutti allo stesso ritmo.