शोधकर्ताओं ने पाया कि कैसे मस्तिष्क संयुक्त अल्पकालिक और दीर्घकालिक सिनैप्टिक परिवर्तनों का उपयोग करके समय-आधारित संकेतों को स्थिर यादों में बदल देता है। Researchers found how brains turn time-based signals into stable memories using combined short- and long-term synaptic changes.

टियांजिन विश्वविद्यालय के शोधकर्ताओं और अंतर्राष्ट्रीय सहयोगियों ने एक मस्तिष्क तंत्र की पहचान की है जो समय के साथ तंत्रिका गतिविधि के अनुक्रमों को स्थानिक पैटर्न में परिवर्तित करता है, जिससे कुशल सूचना प्रसंस्करण और भंडारण में मदद मिलती है। Researchers at Tianjin University and international collaborators have identified a brain mechanism that converts sequences of neural activity over time into spatial patterns, enabling efficient information processing and storage. पी. एन. ए. एस. में प्रकाशित अध्ययन से पता चलता है कि दीर्घकालिक और अल्पकालिक सिनैप्टिक परिवर्तन गतिशील इनपुट को बदलने के लिए एक साथ काम करते हैं-जैसे कि एक धुन-स्थिर प्रतिनिधित्व में, तंत्रिका नेटवर्क को बढ़ाए बिना स्मृति और शोर प्रतिरोध को बढ़ाते हैं। The study, published in PNAS, shows that long-term and short-term synaptic changes work together to transform dynamic inputs—like a melody—into stable representations, enhancing memory and noise resistance without enlarging neural networks. कम्प्यूटेशनल मॉडल और माउस और मानव नियोकोर्टिस से इलेक्ट्रोफिजियोलॉजिकल डेटा द्वारा समर्थित, निष्कर्ष अस्थायी प्रसंस्करण के लिए एक "सहयोग कोड" प्रकट करते हैं, जो अधिक कुशल, व्याख्यात्मक कृत्रिम बुद्धिमत्ता प्रणालियों को विकसित करने के लिए अंतर्दृष्टि प्रदान करते हैं। Supported by computational models and electrophysiological data from mouse and human neocortices, the findings reveal a "collaboration code" for temporal processing, offering insights for developing more efficient, interpretable artificial intelligence systems.