Os pesquisadores descobriram como os cérebros transformam sinais baseados no tempo em memórias estáveis usando mudanças sinápticas combinadas de curto e longo prazo. Researchers found how brains turn time-based signals into stable memories using combined short- and long-term synaptic changes.

Pesquisadores da Universidade de Tianjin e colaboradores internacionais identificaram um mecanismo cerebral que converte sequências de atividade neural ao longo do tempo em padrões espaciais, permitindo processamento e armazenamento de informações eficientes. 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. O estudo, publicado na PNAS, mostra que mudanças sinápticas de longo e curto prazo trabalham juntas para transformar entradas dinâmicas – como uma melodia – em representações estáveis, aumentando a memória e a resistência ao ruído sem ampliar as redes neurais. 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. Apoiados por modelos computacionais e dados eletrofisiológicos de ratos e neocórticos humanos, os resultados revelam um "código de colaboração" para o processamento temporal, oferecendo insights para o desenvolvimento de sistemas de inteligência artificial mais eficientes e interpretáveis. 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.