محققین نے دریافت کیا کہ کس طرح دماغ مشترکہ قلیل اور طویل مدتی مطابقت پذیری تبدیلیوں کا استعمال کرتے ہوئے وقت پر مبنی اشاروں کو مستحکم یادوں میں تبدیل کرتا ہے۔ Researchers found how brains turn time-based signals into stable memories using combined short- and long-term synaptic changes.

تیانجن یونیورسٹی کے محققین اور بین الاقوامی تعاون کاروں نے ایک ایسے دماغی میکانزم کی نشاندہی کی ہے جو وقت کے ساتھ عصبی سرگرمی کے سلسلے کو مقامی نمونوں میں تبدیل کرتا ہے، جس سے موثر انفارمیشن پروسیسنگ اور اسٹوریج کو فعال کیا جاتا ہے۔ 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. اس تحقیق میں بتایا گیا ہے کہ طویل مدتی اور قلیل مدتی سنپٹک تبدیلیاں مل کر متحرک ان پٹ کو تبدیل کرتی ہیں جیسے ایک دھن کو مستحکم نمائندگی میں تبدیل کرنا، جس سے نیورل نیٹ ورکس کو بڑھانے کے بغیر میموری اور شور مزاحمت کو بہتر بنایا جاتا ہے۔ 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. ماؤس اور انسانی نیوکورٹیسیس سے کمپیوٹیشنل ماڈلز اور الیکٹرو فزیولوجیکل ڈیٹا کی مدد سے، نتائج عارضی پروسیسنگ کے لیے ایک "تعاون کوڈ" کو ظاہر کرتے ہیں، جو زیادہ موثر، قابل تشریح مصنوعی ذہانت کے نظام کو تیار کرنے کے لیے بصیرت پیش کرتے ہیں۔ 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.