Neuronal Synchronization of Electrical Activity, Using the Hodgkin-Huxley Model and RCLSJ Circuit

• Autores: José A Díaz, Oscar Téquita, Fernando Bernabé Naranjo Vega
• Localización: Ingeniería y ciencia, ISSN-e 1794-9165, Vol. 12, Nº. 23, 2016, págs. 93-106
• Idioma: inglés
• Títulos paralelos:
  • Sincronización de la actividad eléctrica neuronal, utilizando el modelo de Hodgkin-Huxley y el circuito RCLSJ
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Simulamos la actividad eléctrica neuronal mediante el modelo de Hodgkin-Huxley (HH) y un circuito superconductor, que contiene uniones Josephson. El modelo HH simulan las características principales de la dinámica neuronal tales como potenciales de acción, umbrales de disparo y el períodos refractarios. El propósito del manuscrito es mostrar un método para sincronizar un circuito con union Josephson RCLSJ a una dinámica neuronal representado por el modelo HH. Así, el circuito RCLSJ es capaz de imitar el comportamiento de la neurona HH. Controlamos el circuito RCLSJ, utilizando un esquema de control adaptativo, que con funciones de Lyapunov y dos coeficientes de ganancia controlables nos permiten la sincronización de los dos modelos neuronales. Los resultados proporcionan una ruta a seguir adelante en el entendimiento de la sincronización de redes neuronales, generadas por el comportamiento intrinseco del cerebro.

  • English

    We simulated the neuronal electrical activity using the Hodgkin-Huxley model (HH) and a superconductor circuit, containing Josephson junctions. These HH model make possible simulate the main neuronal dynamics characteristics such as action potentials, firing threshold and refractory period. The purpose of the manuscript is show a method to syncronize a RCLshunted Josephson junction to a neuronal dynamics represented by the HH model. Thus the RCLSJ circuit is able to mimics the behavior of the HH neuron. We controlated the RCLSJ circuit, using and improved adaptative track scheme, that with the improved Lyapunov functions and the two controllable gain coefficients allowing synchronization of two neuronal models. Results will provide the path to follow forward the understanding neuronal networks synchronization about, generating the intrinsic brain behavior.