[论文解读] Localized numerical impulses solutions in diffuse neural networks modeled by the complex fractional Ginzburg-Landau equation

Alain Mvogo, Antoine Tambue+2 more|arXiv (Cornell University)|Nov 28, 2014

stochastic dynamics and bifurcation参考文献 24被引用 4

一句话总结

本文提出了一种新颖的框架，用于在具有长程耦合的弥散神经网络中建模局域化神经脉冲动力学，采用复分数阶Ginzburg-Landau（CFGL）方程。通过应用摄动理论，作者在红外极限（k→0）下推导出CFGL方程，并开发了半隐式与线性隐式Riesz分数阶有限差分格式以数值求解该方程。关键结果表明，分数阶解表现出良好局域化、持续时间短的脉冲，且分数阶主要影响脉冲尾部；同时，在大系统下，连续CFGL模型与离散Hindmarsh-Rose网络之间表现出强等价性。

ABSTRACT

We investigate localized wave solutions in a network of Hindmarsh-Rose neural model taking into account the long-range diffusive couplings. We show by a specific analytical technique that the model equations in the infrared limit (wave number $k ightarrow 0$) can be governed by the complex fractional Ginzburg-Landau (CFGL) equation. According to the stiffness of the system, we propose both the semi and the linearly implicit Riesz fractional finite-difference schemes to solve efficiently the CFGL equation. The obtained fractional numerical solutions for the nerve impulse reveal localized short impulse properties. We also show the equivalence between the continuous CFGL and the discrete Hindmarsh-Rose models for relatively large network.

研究动机与目标

• 研究长程扩散耦合对Hindmarsh-Rose神经网络中波传播的影响。
• 利用摄动技术，为这类网络中的调制波动力学推导简化模型。
• 开发高效求解所得复分数阶Ginzburg-Landau（CFGL）方程的数值格式。
• 通过将CFGL模型的解与全离散Hindmarsh-Rose系统的解进行比较，验证CFGL模型的有效性。
• 探讨分数阶在塑造脉冲局域化与尾部行为中的作用。

提出的方法

• 利用多尺度摄动分析，在红外极限（k→0）下将复分数阶Ginzburg-Landau（CFGL）方程推导为调制波的振幅方程。
• 实现半隐式与线性隐式Riesz分数阶有限差分格式以求解CFGL方程，每时间步仅需求解一个线性系统。
• 利用Riesz分数阶导数建模神经网络中的长程空间相互作用，通过幂律衰减捕捉记忆效应。
• 将CFGL模型的初始解通过变换方程重构为离散膜电位、放电与爆发变量。
• 使用四阶Runge-Kutta方法直接求解全离散Hindmarsh-Rose方程，将CFGL模型的分数阶离散解与之进行比较。
• 通过设定T_f = T / ε²进行时间尺度变换，使连续CFGL模型的时间演化与离散HR模型对齐。

实验结果

研究问题

• RQ1 长程扩散耦合如何影响神经网络中局域化神经脉冲的形成与传播？
• RQ2 复分数阶Ginzburg-Landau方程能否准确描述具有长程耦合的弥散Hindmarsh-Rose神经网络中的调制波动力学？
• RQ3 对于具有刚性的复分数阶Ginzburg-Landau方程，哪些数值格式在效率与稳定性方面表现优异？
• RQ4 分数阶如何影响神经脉冲的形状、局域化程度与尾部行为？
• RQ5 在较大网络规模下，连续CFGL模型与离散Hindmarsh-Rose模型在多大程度上具有等价性？

主要发现

• 复分数阶Ginzburg-Landau（CFGL）方程在红外极限（k→0）下能准确描述长程耦合Hindmarsh-Rose神经网络中的调制波动力学。
• 半隐式与线性隐式Riesz分数阶有限差分格式提供了高效且稳定的数值解，每时间步仅需求解一个线性系统。
• CFGL方程的数值解表现出良好局域化、持续时间短的脉冲，表明神经脉冲传播具有稳定性。
• 分数阶主要影响脉冲尾部的衰减行为，分数阶越高，衰减越慢。
• 在相对较大的网络中，连续CFGL模型与离散Hindmarsh-Rose模型之间观察到强等价性，尤其在最终时间经ε⁻²缩放后更为显著。
• 长程耦合效应在塑造脉冲尾部方面最为显著，表明波传播中存在类似记忆的机制。