Resúmenes
El grupo de sistemas complejos y la historia del curso boliviano de sistemas complejos
Se recordarán los años iniciales del curso boliviano de sistemas complejos y los trabajos de investigación y de difusión realizados como Grupo de Sistemas Complejos de Bolivia.
Computational and behavioural aspects of sensorimotor control
Ni demasiado rígido ni demasiado flexible: El cerebro crítico
La hipótesis del cerebro crítico propone que la actividad neuronal opera en la cercania de un punto crítico, logrando un equilibrio entre rigidez y desorden que maximiza la capacidad del cerebro para procesar y transmitir información. En esta charla, presentaremos las ideas principales de la criticalidad en sistemas complejos y cómo estos conceptos se aplican a la dinámica cerebral. Utilizando ejemplos de datos experimentales, ilustraremos cómo las correlaciones, tanto en el espacio como en el tiempo, emergen como características distintivas de la criticalidad: longitudes de correlación que aumentan con el tamaño del sistema, dependencias de largo alcance entre poblaciones de neuronas y fluctuaciones anómalas. También analizaremos cómo estas características difieren cuando el sistema se aleja de la criticalidad, por ejemplo, durante estados de inconsciencia, y cómo los modelos computacionales reproducen los fenómenos observados solo en la criticalidad. Al combinar modelos ilustrativos con evidencia experimental, mostramos cómo las correlaciones ofrecen una poderosa perspectiva sobre la naturaleza crítica de la dinámica cerebral.
Collective Neuronal Phenomena and the Critical Brain Hypothesis
Since the pioneering work that earned Alan Hodgkin and Andrew Huxley the Nobel Prize in Physiology or Medicine in 1963, the fundamental mechanisms underlying the generation and propagation of electrical impulses in neurons have been unveiled and are now well understood. This milestone laid the foundations of modern neuroscience, enabling detailed investigations into the behavior of individual neurons and how synapses form the connections that constitute neural networks. However, while this understanding is well established at the level of single neurons, the collective phenomena emerging from the interaction of large neuronal populations remain one of the greatest challenges in contemporary science. Understanding these phenomena is essential, as they govern how the brain processes information, makes decisions, learns, and regulates behavior.
We will begin by addressing an apparently simple question: how do neurons cooperate to encode the intensity of incoming sensory stimuli? Using a simplified model, we will show that this task is most effectively performed when the neuronal population operates near a critical point—a qualitative change in collective behavior associated with a phase transition. This finding is consistent with the critical brain hypothesis, which posits that operating near a critical point confers significant functional advantages to the brain, enhancing its ability to process, store, and transmit information. We will explore this hypothesis in depth, examining the experimental evidence accumulated over time and introducing advanced data analysis techniques grounded in the principles of statistical mechanics.
Estudo de assinaturas de criticalidade no córtex através de modelos de máxima.
A hipótese de que a dinâmica cerebral está próxima a um ponto crítico (transição de fases) tem ganhado força nos últimos vinte anos. Diversos estudos teóricos advogam benefícios computacionais para esse regime, como faixa dinâmica máxima, melhor capacidade de transmissão, otimização do processamento de informação, e maior repertório de estados meta estáveis. Experimentalmente, o trabalho pioneiro de Beggs e Plenz mostrou que neurônios em cultura exibem avalanches disparos, cuja distribuição de tamanhos é uma lei de potência compatível com um sistema crítico. Os estudos com avalanches, no entanto, tem algumas dificuldades metodológicas como a subamostragem. Nesse sentido, temos desenvolvido abordagens alternativas como grupo de renormalização fenomenológico e modelos de máxima entropia ajustados aos dados. Neste seminário iremos mostrar nossos trabalhos com medidas de criticalidade em dados eletrofisiológicos de alta densidade no córtex de ratos. Discutiremos um pouco das técnicas experimentais utilizadas. Em seguida daremos enfoque nas assinaturas de criticalidade a partir de modelos de máxima entropia mostrando que podemos distinguir sistemas críticos a partir de conjuntos de dados com menos de uma centena de neurônios.
El memristor: el cuarto componente fundamental de la electrónica y su potencial en la computación neuromórfica
El memristor es un componente innovador de la teoría de circuitos que posee una memoria dependiente de la corriente y del voltaje aplicado, lo que le permite “recordar” estados anteriores. Fue teorizado por Leon Chua en 1971, pero inicialmente no tuvo mucha relevancia hasta 37 años después, cuando R. Stanley Williams y su equipo de investigadores fabricaron con éxito un memristor a nanoescala por primera vez. Desde entonces, su estudio se ha expandido, explorando sus propiedades y posibles aplicaciones, ya que es un elemento clave en la computación inspirada en el cerebro, el desarrollo de hardware neuromórfico, las redes neuronales artificiales y el aprendizaje en sistemas artificiales, entre otros campos.
Caracterización de la dinámica caótica en el modelo de Neurona de Chialvo
Se realizó un análisis numérico detallado del modelo de neurona de Chialvo, generando planos de parámetros (PPs) relacionados a la variable de recuperación de la neurona (b vs. a) en términos de los valores del mayor exponente de Lyapunov (λ1). Lo anterior permitió identificar regiones de interés que fueron ampliadas para distinguir las dinámicas presentes, clasificando atractores periódicos, cuasiperiódicos y caóticos en puntos específicos del PP. Además, se seleccionó una región específica donde se identificaron periodicidades características del sistema y geometrías presentes, destacando estructuras autosimilares formadas por los denominados "camarones", proporcionando información representativa de comportamientos regulares. Por otro lado, se localizaron dos regiones con atractores caóticos que presentaron características específicas en las formas de sus series temporales y en sus geometrías, sugiriendo que sus comportamientos podrían corresponder a dinámicas hipercaóticas. Estas características, junto con la presencia de un primer exponente de Lyapunov positivo (λ1 > 0), se reforzaron mediante un análisis estadístico basado en diagramas de caja y bigote aplicados al segundo exponente de Lyapunov (λ2) para cada uno de estos atractores, los cuales evidenciaron que los valores de λ2 son mayoritariamente positivos. Estos resultados se confirmaron con el cálculo de una mediana (m) positiva, lo que permitió establecer indicios de posibles dinámicas hipercaóticas en estos atractores.
La comunicación nerviosa más allá de los circuitos neuronales
Cinemática del movimiento evocado: explorando la organización funcional de la corteza motora primaria mediante microestimulación intracortical
La microestimulación intracortical prolongada (ICMS) en la corteza motora primaria (M1) permite explorar la relación entre la activación eléctrica local y la generación de movimientos complejos. En este estudio se analizaron los movimientos evocados por trenes de ICMS aplicados en tres coordenadas de M1 de un macaco rhesus despierto. Se variaron sistemáticamente la duración (500–2100 ms) y la forma de los pulsos (rectangular, romboidal y rampa ascendente) para evaluar su efecto sobre seis articulaciones contralaterales, registradas sin marcadores mediante visión computacional (DeepLabCut). Las posiciones articulares se procesaron automáticamente y los perfiles de velocidad se descompusieron mediante modelos gaussianos, lo que permitió estimar métricas como latencia al inicio, latencia al pico, duración, amplitud y número de submovimientos. Los resultados muestran que la duración del tren explicó la mayor parte de la varianza cinemática, mientras que la forma del pulso afectó selectivamente la latencia al pico de velocidad y la amplitud del movimiento, con variaciones dependientes de la coordenada cortical. Este enfoque integra neurofisiología experimental, análisis cinemático y visión computacional para comprender cómo los parámetros eléctricos modulan la organización funcional del sistema motor, aportando herramientas útiles para la investigación y el desarrollo de neuroprótesis y estrategias de rehabilitación motora.