КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер 21-72-00107

НазваниеСинхронизация и десинхронизация нейронных сетей в условиях возмущений и запаздываний

РуководительПлотников Сергей Александрович, Кандидат физико-математических наук

Организация финансирования, регион федеральное государственное бюджетное учреждение науки Институт проблем машиноведения Российской академии наук, г Санкт-Петербург

Период выполнения при поддержке РНФ 07.2021 - 06.2023 

Конкурс№60 - Конкурс 2021 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными.

Область знания, основной код классификатора 02 - Физика и науки о космосе, 02-402 - Нелинейные колебания и волны

Ключевые слованелинейная динамика, теория колебаний, нейронные сети, модель ФитцХью-Нагумо, модель Хиндмарш-Роуз, Neural Mass Model, синхронизация, десинхронизация, бифуркации, нейронаука, численное моделирование, управление

Код ГРНТИ29.35.03, 29.05.03


СтатусУспешно завершен


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
Проект направлен на решение актуальной научной задачи, лежащей на стыке физики, теории управления и нейронауки, связанной с изучением динамики нейронных сетей, состоящих из большого числа связанных нелинейных осцилляторов, с целью выяснения общих закономерностей возникновения различных состояний сети, а также построения алгоритмов управления динамикой сетей. Сложность исследования и синтеза алгоритмов управления такими системами связана с большим количеством элементов в сети, топологией связей агентов в сети, различными видами связей, которые часто бывают нелинейными, наличием запаздывания при передаче сигнала, неоднородностями элементов, возмущениями и т.п. Важно учитывать как динамику отдельно взятых элементов, так и влияние топологии и типов связей на динамику сети в целом. Исследование таких систем проводится с помощью численного моделирования в рамках моделей различного уровня сложности и использования аналитических методов исследования динамических систем с применением современных методов теории управления, которые разработаны в последние десятилетия для анализа динамики сетевых систем. Актуальность данного исследования подтверждается растущим количеством работ в этой области. Количество работ в базе данных Web of Science на тему "natural neural networks" за 2010-2014 годы равно 1836, тогда как за 2015-2020 годы оно уже равняется 9545. Колебательные системы часто связаны между собой в сложные ансамбли, динамика которых может быть далеко не тривиальной. Одним из возможных состояний сети является синхронизация входящих в нее систем [A. Pikovsky, M. Rosenblum, J. Kurths. Synchronization: A universal concept in nonlinear sciences, Cambridge University Press, Cambridge, 2003; F. Doerfler, F. Bullo. Automatica 50 (6), 1539-1564 (2014).]. Другим состоянием сети может быть кластерная синхронизация [X. B. Lu, B. Z. Qin. Physics Letters A 373 (40), 3650–3658 (2009); C.U. Choe et al. Phys. Rev. E 81, 025205(R) (2010).], когда синхронизированы системы внутри отдельных групп (кластеров), а динамика самих групп не является синхронной. Еще одним вариантом состояния сети может быть так называемое состояние химеры [Y. Kuramoto, D. Battogtokh. Nonliner Phenom. Complex Syst. 5, 380 (2002); D.M. Abrams, S.H. Strogatz. Phys. Rev. Lett. 93, 174102 (2004).]. Это такое гибридное состояние, при котором в сети часть систем синхронизирована, а часть - нет. В конце концов, системы в сети могут быть полностью десинхронизированы [P.A. Tass. Biol. Cybern. 85(5), 343-354 (2001); O. Popovych et al. PLoS One 12(3) (2017).]. Все эти состояния сети можно наблюдать для различных моделей нейронных сетей, которые используются не только для описания динамики нейронов, но и, например, для описания работы сердечнососудистых тканей [M.P. Nash, A.V. Panfilov. Progr. Biophys. Molecular Biol. 85 (2–3), P. 501–522 (2004).], электронных схем [M. Heinrich et al. New J. Phys. 12 (11), 113030 (2010).] и климатических систем [A. Ganopolski, S. Rahmstorf. Phys. Rev. Lett. 88, 038501 (2002).]. Однако аналитических результатов, посвященных описанию условий возникновения различных состояний нейронных сетей, особенно в условиях неоднородностей, возмущений и запаздываний, имеется достаточно мало. В рамках данного проекта предлагается сфокусироваться на исследовании двух состояний нейронных сетей, а именно синхронизации и десинхронизации. Таким образом, можно выделить две основные задачи, на решение которых будет направлен проект: Задача 1. Исследование состояния синхронизации для колебательных нейронных сетей в условиях возмущений и запаздывания при передаче сигнала между узлами, а также синтез алгоритмов управления, которые позволят обеспечить синхронизацию сети в случае ее изначального отсутствия. В качестве моделей индивидуальных нейронов будут рассмотрены модели Хиндмарш-Роуз и субпопопуляций Neural Mass Model. Задача 2. Исследование состояния десинхронизации для колебательных нейронных сетей в условиях возмущений и запаздывания и синтез алгоритмов управления для обеспечения десинхронизации в сети, если сеть изначально была синхронизирована. В качестве моделей индивидуальных нейронов будут рассмотрены модели ФитцХью-Нагумо и Хиндмарш-Роуз. Научная новизна проекта заключается в применении методов и подходов нелинейной динамики и теории управления для исследования состояний и синтеза алгоритмов управления динамикой нейронных сетей в условиях запаздывания и возмущений. Аналитические результаты позволят найти общие закономерности влияния различных параметров на динамику сетей из моделей различного уровня сложности, хотя реально многие из них изучаются достаточно автономно.

Ожидаемые результаты
По итогам выполнения проекта ожидается получение следующих основных результатов: - Будут получены достаточные условия синхронизации колебательной нейронной сети из систем Хиндмарш-Роуз в условиях возмущений. - Будут получены условия синхронизации для сети из субпопуляций Neural Mass Model с нелинейными связями с запаздываниями. - Будут получены условия десинхронизации для нелинейных колебательных сетей, в частности для сетей из систем ФитцХью-Нагумо и Хиндмарш-Роуз. - Будут синтезированы алгоритмы управления для обеспечения синхронизации (десинхронизации) для колебательных нейронных сетей (модели ФитцХью-Нагумо, Хиндмарш-Роуз) в условиях возмущений и запаздывания. Полученные результаты позволят выделить общие закономерности различных состояний колебательных нейронных сетей из различных моделей нейронов, что будет способствовать развитию теоретической базы нейродинамики. Синтезированные алгоритмы управления помогут созданию новых методов и подходов для лечения заболеваний нервной системы, таких как эпилепсия, болезнь Паркинсона, эссенциальный тремор. Таким образом, можно заключить, что запланированные результаты полностью соответствуют мировому уровню исследований.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2021 году
Задача 1. Получено достаточное условие синхронизации для сети из систем дифузионно-связанных Хиндмарш-Роуз со связным неориентированным графом. Условие говорит о том, что для синхронизации сети второе из минимальных собственных чисел матрицы Лапласа (алгебраическая связность графа) должно быть больше некоторой величины, зависящей от параметров индивидуальной системы. Данное условие зависит как и от параметров индивидуальной системы, так и от графа связей, одной из важнейших характеристик которого является алгебраическая связность. Полученное условие является аналитическим и гарантирует синхронизацию при любых начальных условиях, т.е. могут рассматриваться любые возмущения в начальных данных. Продемонстрирована методика использования метода функций Ляпунова для исследования синхронизации в сетях из нелинейных систем. Система Хиндмарш-Роуз является нелинейной системой третьего порядка, поэтому ее динамика не является тривиальной. В систему входят как кубическая нелинейность, так и квадратные, что вызывает трудности при использования метода функций Ляпунова. Было показано, как эти трудности можно преодолеть с помощью составления неравенств для квадратичных форм и оценки положительной (отрицательной) определенности матриц, им соответствующих. Данный подход для анализа синхронизации можно применять и к сетям из других нелинейных систем, содержащих квадратные и кубические члены. Построены графики решения сети из систем Хиндмарш-Роуз со связным неориентированным графом. При параметрах сети, удовлетворяющих полученному аналитическому условию, в сети имеет место синхронизация между всеми компонентами вектора состояний каждого узла. В случае графа связей с малой алгебраической связностью синхронизация в сети из систем Хиндмарш-Роуз отсутствует, что видно из полученных графиков. Построен график решения системы Хиндмарш-Роуз с белым шумом и синусоидальным входом с запаздыванием. Показано, что при определенных значениях параметров такая модель может генерировать динамику, похожую на всплески и затухания гамма ритма головного мозга. Даны рекомендации по построению алгоритмов управления для обеспечения синхронизации в сети в случае ее изначального отсутствия с помощью полученного достаточного условия синхронизации. По результатам данного исследования была опубликована статья [Plotnikov S.A. Synchronization conditions in networks of Hindmarsh-Rose systems // Cybernetics and Physics, 2021, 10(4), p. 254–259. https://doi.org/10.35470/2226-4116-2021-10-4-254-259]. Задача 2. Получено достаточное условие синхронизации для сети из линейных систем с неоднородными нелинейными диффузионными связями с различными изменяющимися во времени запаздываниями и связным неориентированным графом. Полученное условие было применено для исследования синхронизации в сети из нейромассовых популяций (neural mass model). Рассмотрены идентичные популяции с различными нелинейными функциями, описываемые сигмоидами с различными параметрами, определяющими форму сигмоиды, и различными переменными запаздываниями в связях. Показано, что при выполнении двух неравенств, зависящих от параметров системы, нелинейности, максимальной величины запаздывания и максимального собственного числа матрицы Лапласа, в данной сети будет иметь место синхронизация. В данном случае несвязанные системы являются устойчивыми и сходятся к одному и тому же положению равновесия, т.е. синхронизация имеет место. Наличие связей и запаздываний при передаче сигнала между узлами приводит при определенных значениях к возникновению колебаний в сети, а также утрате синхронизации. Построены графики решения сети из нейромассовых популяций с диффузионными неоднородными нелинейными связями с различными переменными запаздываниями. Запаздывания выбирались произвольными и задавались синусоидальной функцией с произвольной частотой, амплитудой и сдвигом, но все они были больше нуля и ограничены сверху. Показано, что при выполнении полученных аналитических условий в сети имеет место синхронизация между всеми компонентами векторов состояний каждого узла. При рассмотрении достаточно большого значения запаздывания при передаче сигнала между узлами в сети возникали колебания, и синхронизация терялась. Даны рекомендации по построению алгоритмов управления для обеспечения синхронизации в сети в случае ее изначального отсутствия с помощью полученных достаточных условий синхронизации. По результатам данного исследования была подготовлена статья Plotnikov S.A. Synchronization in Networks with Nonlinearly Delayed Couplings on Example of Neural Mass Model, которая была подана на конференцию Joint IFAC Conference: SSSC – TDS – LPVS, Montreal, Canada, 2022, которая будет проходить с 27 по 30 сентября 2022 г. (см. https://arxiv.org/abs/2205.04531).

 

Публикации

1. Плотников С.А. Synchronization conditions in networks of Hindmarsh-Rose systems Cybernetics and Physics, Vol. 10, Issue 4. - P. 254–259. (год публикации - 2021) https://doi.org/10.35470/2226-4116-2021-10-4-254-259


Аннотация результатов, полученных в 2022 году
Предложено новое определение координатной десинхронизации. Предложенное определение позволяет исключить случаи асимптотической и epsilon-синхронизации, но также не лишено недостатков. В частности, ему удовлетворяет случай противофазной синхронизации. Плюсом данного определения является возможность использования подхода координатного преобразования к системе "средняя динамика - ошибки синхронизации" и дальнейшего использования теорем, предложенных В.А. Якубовичем для анализа системы из ошибок синхронизации. Получено условие, устанавливающее колебательный режим для двух связанных возбудимых идентичных систем ФитцХью-Нагумо. Данное условие показывает, что при достаточно большой силе связи, зависящей от параметров единичной системы, две изначально устойчивые системы ФитцХью-Нагумо начинают генерировать колебания. При этом данные колебания не являются синхронизированными. Построены графики решения двух связанных возбудимых систем ФитцХью-Нагумо. Моделирование подтвердило полученные аналитические результаты: при выполненном условии теоремы решения двух связанных систем ФитцХью-Нагумо являются колебательными. Полученный аналитический результат был обобщен на случай произвольной сети из связанных систем ФитцХью-Нагумо со связным неориентированным графом. Количество колебательных подсистем из ошибок синхронизации зависит от спектра матрицы Лапласа: в зависимости от того, сколько собственных чисел матрицы Лапласа удовлетворяют полученному условию колебательности, будет разное число колебательных компонент вектора из ошибок синхронизации, а значит и число десинхронизированных пар в сети. Если все собственные числа матрицы Лапласа, кроме первого, будут удовлетворять условию колебательности, то сеть из систем ФитцХью-Нагумо будет полностью десинхронизирована. Построены графики решения 100 связанных возбудимых систем ФитцХью-Нагумо. В первом случае граф связей был выбран таким образом, что только 2 собственных числа его матрицы Лапласа удовлетворяли условию колебательности. Моделирование показало, что в этом случае только 2 системы в сети являются колебательными, остальные же являются устойчивыми, то есть в них колебания отсутствуют. Во втором случае граф связей был выбран таким образом, что все собственные числа его матрицы Лапласа, кроме 0, удовлетворяли условию колебательности. В данном случае все системы в сети оказались колебательными, при этом имела место десинхронизация. Показана взаимосвязь между понятиями колебательности по Якубовичу и десинхронизацией в сетях из возбудимых систем. Предложенное в работе определение десинхронизации и подход, основанный на преобразовании системы к новым координатам "средняя динамика - ошибки синхронизации" с дальнейшим использованием теорем, предложенных В.А. Якубовичем, для поиска условий колебательности может быть применен и к сетям из других нелинейных возбудимых систем с диффузионными связями, например, систем Хиндмарш-Роуз. По результатам данного исследования будет опубликована статья [Плотников С.А. Десинхронизация и колебательность в возбудимых сетях ФитцХью-Нагумо // Мехатроника, автоматизация, управление, 2023. Том 24, № 6, С. 292-299. https://doi.org/10.17587/mau.24.292-299]

 

Публикации

1. Плотников С.А. Synchronization in networks with nonlinearly delayed couplings on example of neural mass model IFAC-PapersOnLine, Vol. 55, Issue 36. P. 55-60. (год публикации - 2022) https://doi.org/10.1016/j.ifacol.2022.11.333

2. Плотников С.А. Десинхронизация и колебательность в возбудимых сетях ФитцХью-Нагумо Мехатроника, автоматизация, управление, Том 24, № 6, С. 292-299 (год публикации - 2023) https://doi.org/10.17587/mau.24.292-299


Возможность практического использования результатов
не указано