XiaoMi-AI文件搜索系统
World File Search System运动状态
紧张活跃的主神经元在两个时间尺度上调节相互排斥的运动状态
行为的连续性要求动物在相互排斥的行为状态之间平稳过渡。控制这些转变的神经原理尚不清楚。秀丽隐杆线虫自发地在两个相反的运动状态（向前和向后运动）之间切换，这种现象被认为反映了中间神经元 AVB 和 AVA 之间的相互抑制。在这里，我们报告说，自发运动及其相应的运动回路不是单独控制的。AVA 和 AVB 既不是功能等效的，也不是严格相互抑制的。AVA 而不是 AVB 保持去极化的膜电位。虽然 AVA 在快速时间尺度上阶段性地抑制了正向促进中间神经元 AVB，但它在较长的时间尺度上保持了对 AVB 的紧张性、突触外兴奋。我们提出，AVA 在不同时间尺度上具有相反极性的紧张性和阶段性活动，充当主神经元，打破了底层正向和反向运动回路之间的对称性。该主神经元模型为由互斥的运动状态组成的持续运动提供了一种简约的解决方案。
初级运动皮层中的爆发何时重要？研究与运动状态相关的 Beta 节律间歇性变化
这是一篇在接受后经过改进的文章的 PDF 文件，例如添加了封面和元数据，以及格式化以提高可读性，但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查，但我们提供此版本是为了让文章尽早可见。请注意，在制作过程中，可能会发现可能影响内容的错误，并且适用于期刊的所有法律免责声明均适用。
通过测量捕获离子运动退相干...
被捕获的离子可以通过用激光激发其内部电子态形成有效的量子二能级系统，从而充当有前途的可扩展量子比特，而离子在谐波势阱中的量化运动状态使我们能够通过库仑力与相邻离子相互作用。因此，高保真操作需要精确了解系统的运动退相干时间，即离子的运动状态不再可靠地被知道或不再能被控制的时间。现有的运动相干性测量通过将运动状态与激光驱动的内部跃迁耦合来间接控制和测量运动状态，因此，它们可能容易出现电子状态退相干和激光幅度或频率波动。在本论文中，我们应用了之前提出的直接电场操纵被捕获离子运动相干态的机制，在一种新的自由进动序列中测量运动相干时间。该序列由连续谐振子相空间中两个相位差可变的相干位移组成，由可变的延迟时间分隔。在 4 开尔文的超高真空室中，使用位于铌表面电极阱上方 50 微米处的锶-88 + 离子，我们测量了 (24 ± 5) 𝑠 − 1 的运动退相干率。该测量速率与系统的预期退相干率相匹配，其中捕获离子加热在幅度上超过其他形式的退相干，这很可能是我们系统的情况。
非定域时钟中广义相对论时间膨胀的通用量子修改
相对论通过世界线将每个运动物体与一个固有时联系起来。然而在量子理论中，这种明确定义的轨迹是被禁止的。在介绍量子钟的一般特征之后，我们证明，在弱场、低速极限下，当运动状态为经典（即高斯）时，所有“良好”量子钟都会经历广义相对论所规定的时间膨胀。另一方面，对于非经典运动状态，我们发现量子干涉效应可能导致固有时与时钟测量的时间之间出现显著差异。这种差异的普遍性意味着它不仅仅是一个系统误差，而是对固有时本身的量子修改。我们还展示了时钟的离域性如何导致其测量时间的不确定性增大——这是时钟时间与其质心自由度之间不可避免的纠缠的结果。我们展示了如何通过在读取时钟时间的同时测量其运动状态来恢复这种丢失的精度。
引用JI N，Venkatachalam V，Rodgers HD，Hung W，Kawano T，Clark CM，Lim M，Alkema MJ，Zhen M，Samuel AD。推论排放促进降低
抽象动物表现出比瞬时或波动刺激输入的行为和神经反应的持续时间。在这里，我们报告说，秀丽隐杆线虫使用电机电路的反馈到感官处理中神经元来维持其在热效应导航期间的运动状态。通过在行为动物中成像电路活性，我们表明AFD热体神经元的主要突触后伴侣（AIY INTERNEURON）编码温度和运动状态信息。通过对该电路的光遗传学和遗传操纵，我们证明了AIY中的运动状态表示是必然的放电信号。rim是与前神经元相连的中间神经元，是这种推论放电所必需的。缘缘消融消除了电动机表示，使热感应表示可以到达下游前的前神经元，并降低了动物在热触及期间维持前进运动的能力。我们提出，从电机电路到感觉处理电路的反馈是正向反馈机制的基础，以在感觉运动转化中产生持续的神经活动和持续的行为模式。
根据丘脑底核和皮层活动，帕金森病静止性震颤可与自愿手部运动相区分
目的：通过分析脑活动来区分帕金森病静止性震颤和不同的自主手部运动。方法：我们重新分析了 6 名帕金森病患者的丘脑底核的脑磁图和局部场电位记录。数据是在停用多巴胺药物（Med Off）和服用左旋多巴（Med On）后获得的。使用梯度提升树学习，我们将时间段分类为震颤、握拳、前臂伸展或无震颤静止。结果：单独的丘脑底核活动不足以区分四种不同的运动状态（平衡准确度平均值：38%，标准差：7%）。相比之下，皮质和丘脑底核特征的组合可以实现更准确的分类（平衡准确度平均值：75%，标准差：17%）。与仅基于丘脑底活动的分类相比，添加单个皮质区域平均可将平衡准确度提高 17%。在大多数患者中，信息量最大的皮质区域是感觉运动皮质区域。Med On 和 Med Off 下的解码性能相似。结论：只要除了丘脑底活动外还监测皮质信号，电生理记录就可以区分几种运动状态。意义：通过结合皮质记录、皮质下记录和机器学习，自适应深部脑刺激系统可能能够特异性地检测震颤并对几种运动状态做出充分反应。2023 年国际临床神经生理学联合会。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
高维神经解码的非线性最大相关信息过滤器
摘要：神经信号解码是脑机界面（BMI）中的一项关键技术，可以解释从瘫痪患者中收集的多神经活动的运动意图。作为一种常用的解码算法，卡尔曼过滤器通常用于从高维神经帧观察中得出运动状态。但是，其性能是有限的，对于具有高维测量的嘈杂的非线性神经系统的有效性较小。在本文中，我们提出了一个非线性最大值相关信息过滤器，目的是在过滤过程中进行更好的状态估计，以实现嘈杂的高维测量系统。我们使用神经网络重建了高维测量和低维状态之间的测量模型，并使用Correntropy标准来得出状态估计，以应对非高斯噪声并消除较大的初始不确定性。此外，还提供了收敛性和鲁棒性的分析。通过将其应用于来自两只大鼠的神经尖峰数据的多个段来评估所提出的算法的有效性，以解释受试者执行两杠杆歧视任务时的运动状态。与其他滤波器相比，我们的结果表现出更好，更健壮的状态估计性能。
在意外地形上两足步行期间大鼠大脑的时间变化功能连通性
大脑皮层在人类和其他动物对不可预测的地形变化的适应性中起着重要作用，但是在此过程中，皮质区域之间的功能网络知之甚少。为了解决这个问题，我们训练了6只老鼠，视力阻塞，在带有不平衡区域的跑步机上双胎行走。全脑电脑电图信号通过32通道植入电极记录。之后，我们使用时间窗口扫描所有大鼠的信号，并使用相位延迟索引量化每个窗口中的功能连接。最后，使用机器学习算法来验证在检测大鼠运动状态时动态网络分析的可能性。我们发现，与步行阶段相比，在制备阶段的功能连接水平更高。此外，皮质更加注意控制肌肉活动需求更高的后肢的控制。功能连接的水平较低，可以预测前方的地形。大鼠意外地与不均匀的地形接触后的功能连通性突发，而在随后的运动中，它明显低于正常行走。另外，分类结果表明，使用多个步态阶段的相位延迟指数作为特征可以有效地检测步行过程中大鼠的运动状态。这些结果突出了皮质在动物对意外地形适应中的作用，并可能有助于推进运动控制研究和神经植物的设计。