Сотрудники Центра нейроэкономики и когнитивных исследований ВШЭ построили численную модель рабочей памяти и показали стабилизирующую роль гамма-ритма, а также важность быстрого взаимодействия между компонентами модели. Полученные результаты могут стать частью теоретического базиса для экспериментов по улучшению функций рабочей памяти при помощи неинвазивной стимуляции мозга.

Исследование опубликовано в журнале Frontiers in Neural Circuits.

Память человека устроена сложным образом и позволяет мозгу хранить информацию разное количество времени в зависимости от того, насколько долго необходимо обращаться к воспоминаниям. Для того чтобы действовать на основании информации, которая недоступна прямо сейчас органам восприятия, мозг человека использует рабочую (кратковременную) память. Она необходима нам для того, чтобы рассуждать и размышлять, для осознания сложной информации, а также для принятия решений.

Мозг человека постоянно электрически активен. Нейроны — клетки головного мозга, которые обмениваются друг с другом информацией с помощью коротких электрических импульсов. Во время удержания информации в рабочей памяти нейроны префронтальной коры входят в активное состояние с повышенной частотой порождения импульсов. Считается, что, помимо активности отдельных нейронов, для рабочей памяти также важна коллективная ритмическая активность нейронных сетей мозга в различных частотных диапазонах.

Среди видов ритмической активности мозга, наблюдаемых при использовании рабочей памяти, особый интерес представляют импульсы в гамма-диапазоне. Гамма-ритмом называются электрические колебания в мозге человека с частотами от от 30 до 170 герц. Гамма-активность указывает на «включение» сетей нейронов и совпадает с моментами повышения частоты порождения импульсов этими сетями.

В период удержания информации в рабочей памяти, когда сам стимул уже отсутствует, но информация о нем необходима для последующего решения, наблюдается повышенная интенсивность гамма-колебаний по сравнению с фоновым состоянием, не требующим удержания информации.

Сегодня существует множество численных моделей рабочей памяти, в основе большинства из которых лежат нейронные сети с несколькими стабильными состояниями.