数据参数

用脑电图测量量子钙离子的情感影响

Lester Ingber 教授，博士 摘要：背景：自 1980 年左右以来，大脑皮层相互作用的模型——大脑皮层相互作用的统计力学 (SMNI) 已成功计算了许多实验现象，包括使用重要性采样代码自适应模拟退火 (ASA) 拟合注意力任务中的脑电图 (EEG) 数据。SMNI 模型是在经典路径积分的背景下开发的，它提供了直观的见解以及直接的数值优势，例如，使用有效作用作为数据参数拟合的成本/目标函数。目标：先前的作者已经将情感 EEG 数据拟合到神经网络模型中。该项目旨在使用基于物理和生物学的模型来拟合相同的数据。先前的研究表明，注意力状态的 EEG 拟合有所改善；该项目将这些方法扩展到情感状态。方法：路径积分用于经典和量子背景。经典路径积分用于定义成本/目标函数以拟合数据，量子路径积分用于推导在磁矢量势存在下 Ca 离子波的闭式解析表达式，该磁矢量势由高度同步的神经元放电产生，从而产生 EEG。ASA 用于拟合 EEG 数据。结果：该研究的数学物理和计算机部分是成功的，因为使用这些模型拟合 EEG 数据的成本/目标函数与其他作者发表的先前研究一致。但是，由于 SMNI 模型包括这些量子效应，这是继续研究这些问题的另一个原因。这里的结果是一致的，而不是比以前使用神经网络模型的工作更好，尽管这里只使用了一个参数，而不是以前在这些数据上使用的多个过滤器和内核。结论：虽然这些量子效应具有高度推测性，但明确的计算表明它们与实验数据一致，至少到目前为止是这样。当前的超级计算机项目将此模型扩展到情感/情绪数据。几位作者在单个电极位置使用神经网络方法的结果显示出一定的预测能力；这里给出的结果与其他结果一致。然而，由于 SMNI 模型包括这些量子效应，这是继续研究这些问题的另一个原因。关键词：量子力学；路径积分；重要性抽样；神经科学 2022 年 1 月 11 日收到；2022 年 1 月 23 日修订；2022 年 1 月 25 日接受 © 作者 2022。在 www.questjournals.org 上以开放获取方式出版