在特别忙碌的日子里，你可能会觉得你的大脑正在推出旧信息，为新信息腾出空间，但它实际上有一个令人难以置信的系统，可以帮助它每天向数据库添加越来越多的信息 - 而不牺牲已有的信息。
现在，科学家们表示，他们已经找到了一个模型，可以解释我们如何在保持旧记忆完整的同时创造新记忆？ 有时是我们的一生。
该数学模型由哥伦比亚大学的研究人员开发，展示了不同的分子簇如何协同作用以实现巨大的记忆存储容量。
“我们开发的模型最终解释了为什么记忆背后的生物学和化学如此复杂？以及这种复杂性如何驱动大脑的记忆能力，”首席研究员 Stefano Fusi 说道，来自哥伦比亚大学医学中心。
科学家认为，强度的变化突触？ 神经元（神经细胞）之间有哪些连接？ 当新的刺激到来时，它们被用来存储记忆。
该系统过去的特点是像一系列的刻度盘，可以向上或向下转动以确定突触的信号强度。
但转盘只能向上或向下转动——换句话说，它们是有限制的，这意味着“转盘”模型本身的记忆容量也太有限，无法代表人脑。
另一种型号2005 年发表的论文表明，每个突触可以容纳多个这样的转盘，但即使是这个假设框架也不足以解释大脑的巨大容量。
记忆如何形成的新模型。 图片来源：Stefano Fusi 实验室
现在，福斯和他的研究同事们提出，这些表盘不仅在不同的时间运行？ 但他们也不断地相互沟通。
“一旦我们将组件之间的通信添加到我们的模型中，存储容量就会增加一个巨大的因素，变得更能代表活体大脑内部所实现的内容，”解释团队成员马库斯·本纳.
想象新模型如何运作的一个简单方法是将系统视为一系列通过管道连接的烧杯。 当液体流入或流出每个烧杯时，管子用于平衡所有烧杯中的体积，并在长期大脑存储中形成新的记忆。
研究人员表示，这有助于解释为什么当我们学习新技能和吸收新记忆时，大脑不会耗尽空间。
拥有约 860 亿个神经元在平均大脑中，估计大脑可以存储PB 数据，尽管用计算机术语谈论它并不公平或准确？ 作为我们的大脑比这复杂得多。
但是，虽然我们无法真正将人类记忆与计算机记忆进行比较PB 数据研究人员认为，他们提出的新模型可以促进我们在所谓的神经形态硬件（旨在模仿生物大脑的计算机）中模仿突触功能的复杂性的尝试。
“如今，神经形态硬件受到内存容量的限制，当这些系统被设计为自主学习时，内存容量可能会非常低，”福斯说。
“创建更好的突触记忆模型可以帮助解决这个问题，加速紧凑、节能且与人脑一样强大的电子设备的开发。”
新型号的详细信息已发布于自然神经科学。
