دکتر سید سلمان فاطمی

نظریه ی ریسمان و هوشیاری

هوشیاری مرتعش یا نوسانی

نگاه و حس از یک بعد، دو بعد، سه بعد و حتی بیشتر ممکنه

پیوند سلولهای عصبی در محل سیناپس، این نگاه عمیق رو ممکن میکنه

صد میلیارد نورون و سه تریلیون سیناپس در مغز، محیطی رو میسازه که ادراک عمیق در آن ممکنه

به نگاه کنونی خود، وابسته نشو
توپولوژی دسته های نورونی مغز
(در ریاضیات، توپولوژی (به انگلیسی: Topology )، از واژۀ یونانی τόπος، به معنای «جا»، «مکان»، و λόγος به معنای «شناسایی»، «مطالعه» و در مجموع به معنی «جای‌شناسی» یا «مکان‌شناسی» است. )
فقدان یک پیوند رسمی بین ساختار شبکه ی عصبی و عملکرد نوظهور آن، درک ما را از نحوه ی پردازش اطلاعات توسط مغز، مختل کرده است. اکنون با در نظر گرفتن جهت انتقال سیناپسی، ساختن نمودارهای شبکه ای graphs of a network- که جهت جریان داده ها و اطلاعات را منعکس می کند- و تجزیه و تحلیل این نمودارهای جهت دار با استفاده از توپولوژی جبریalgebraic topology، به توصیف چنین پیوندی نزدیک شده ایم.
دسته ها clique و حفره ها در کانکتوم مغزی انسان
رمزگذاری نواحی مختلف مغز و اتصالات آنها به عنوان شبکه ای از گره ها و لبه ها، بسیاری از مسیرهای احتمالی را ثبت می کند.رمزها در قالب پیام در این مسیرهای احتمالی در حالی که انسان تمرکز میکند و رفتارهای پیچیده ای را انجام می دهد، منتقل میشود.
چون فرآیندهای شناختی شبکه های بزرگ و توزیع شده از نواحی مغز را درگیر میکند، بررسی اصولی مسیرهای چند گره ای دراای چند سیناپس در الگوهای بزرگتر اتصال می تواند بینش اساسی در مورد پیچیدگی های عملکرد مغز ارائه دهد.
در اینجا، ما هر دو گروه گره‌های متصل به هم را بررسی می‌کنیم که می‌تواند محاسبات خاصی را انجام دهد و همچنین الگوهای بزرگ‌تری از تعاملات را- که امکان پردازش موازی را فراهم می‌کنند- بررسی می‌کنیم.
یافتن چنین ساختارهایی ایجاب می کند که از در نظر گرفتن تعاملات منحصراً زوجی، به سوی روابط مرتبه ی بالاتر حرکت کنیم. این مفاهیم به طور طبیعی در زبان توپولوژی جبری بیان می شوند.
این ابزارها می‌توانند برای مطالعه ساختارهای شبکه‌ای در مقیاس متوسط که از آرایش زیرساخت‌های متصل و متراکم به نام دسته‌ها در شبکه‌های مغزی با اتصال پراکنده ناشی می‌شوند، استفاده شوند.

دسته‌ها (مجموعه‌های متصل به همه نواحی مغز) را در کانکتوم‌های ساختاری متوسط 8 بزرگسال سالم- که در سه مرحله، اسکن شده‌اند- شناسایی کردیم و وجود دسته‌های بزرگ‌تر از حد انتظار را در شبکه‌های تهی یا پوچ ساخته‌شده از طریق به حداقل رساندن سیمکشی wiring minimization کشف می‌کنیم، و معماری را ارائه می‌کنیم که مغز از طریق آن شبکه، می تواند پردازش محلی و سریع انجام دهد.(مدل‌های پوچ، ابزاری انعطاف‌پذیر برای محک‌زدن حضور یا بزرگی ویژگی‌های مورد علاقه از نظر آماری ا=ست و این، همراه با حفظ انتخابی ویژگی‌های معماری خاص شبکه‌های مغزی و در عین حال تصادفی‌سازی سیستماتیک دیگر موارد است.) سپس حفره‌های توپولوژیکی با ابعاد مختلف را پیدا می‌کنیم- که اطلاعات ممکن است در الگوهای واگرا یا همگرا در اطراف آنها جریان یابد.

این حفره ها به طور مداوم در افراد وجود دارند و با حفره های مشاهده شده در شبکه های مدل تهی یا پوچ، متفاوت هستند و - مهمتر از همه - مناطق دارای منشاء اولیه یا اخیر تکامل را در حلقه های طولانی به هم مرتبط می کنند، که بر نقش منحصر به فرد آنها در کنترل عملکرد مغز تأکید می کند
این نتایج، اولین نمایشی را ارائه می‌دهد که تکنیک‌های توپولوژی جبری، دیدگاه جدیدی را در مورد کانکتومیک ساختاری ارائه می‌دهند و مسیرهای حلقه‌مانند را به عنوان ویژگی‌های حیاتی در معماری ساختاری مغز انسان برجسته می‌کنند.

دسته های نورونی (clique)- که در درون حفره ها با هم متصل میشوند- پیوند گمشده ای بین ساختار و عملکرد ایجاد می کنند.
فقدان یک پیوند رسمی بین ساختار شبکه ی عصبی و عملکرد نوظهور آن، درک ما را از نحوه ی پردازش اطلاعات توسط مغز، مختل کرده است. اکنون با در نظر گرفتن جهت انتقال سیناپسی، ساختن نمودارهای شبکه ای graphs of a network- که جهت جریان داده ها و اطلاعات را منعکس می کند- و تجزیه و تحلیل این نمودارهای جهت دار با استفاده از توپولوژی جبریalgebraic topology، به توصیف چنین پیوندی نزدیک شده ایم. استفاده از این رویکرد برای شبکه ی خاصی از نورون‌ها در نئوکورتکس، توپولوژی بسیار پیچیده و نادیده‌ای را از اتصالهای سیناپسی نشان داد.

شبکه ی سیناپسی، حاوی انبوهی از دسته‌های نورون است و این دسته ها به حفره‌هایی متصل شده‌اند که ظهور فعالیت‌های مرتبط را هدایت می‌کند.

دکتر سید سلمان فاطمی . نورولوژیست, [07/18/2024 10:20 ق.ظ]
در پاسخ به محرک‌ها، فعالیت پیوسته، نورون‌های متصل و سیناپس ها را به دسته‌ها و حفره‌های عملکردی متصل می‌کند که در یک توالی کلیشه‌ای به سمت اوج پیچیدگیstereotypical sequence toward peak complexity، تکامل می‌یابد.
ما پیشنهاد می‌کنیم که مغز، محرک‌ها را با تشکیل دسته‌ها و حفره‌های عملکردی پیچیده‌تر، پردازش می‌کند.

https://www.youtube.com/watch?v=4SY9bL9bUss

https://www.nature.com/articles/s41583-022-00601-9

https://pubmed.ncbi.nlm.nih.gov/29143250/