Математическая модель объяснила навигацию мозга в запутанных лабиринтах

Работа, опубликованная в журнале Neurocomputing, описывает механизм взаимодействия двух типов нейронов: граничных векторных клеток и клеток сетки. Первые фиксируют положение стен, вторые отслеживают пройденное расстояние и повороты. Когда внешние ориентиры становятся неотличимы, мозг переключается на накопленную информацию о движении. Если же конфигурация помещения меняется, новая геометрия мгновенно выступает в роли «якоря», привязывая когнитивную карту к реальности.

За слаженность процессов отвечают латеральное торможение и хеббовская пластичность — механизмы, которые подавляют лишнюю нейронную активность и укрепляют связи между клетками, работающими в тандеме. В отличие от предыдущих разработок, полагавшихся на внешние метки вроде дверных проемов, новая модель успешно справляется с поиском целей в неоднозначных лабиринтах без сторонних подсказок.

Фундамент для открытия заложили еще в 1970-х годах Джон О'Киф и позднее супруги Мозер, обнаружившие клетки места и сетки. Однако именно китайским ученым удалось объединить эти разрозненные сигналы в единую систему навигации. Авторы разработки рассчитывают, что их алгоритм станет основой для создания автономных роботов и дронов, способных ориентироваться под землей или внутри зданий, где спутниковый сигнал недоступен.