The brain is a nonlinear dynamical system with a self-restoration process, which protects itself from external damage but is often a bottleneck for clinical treatment. To treat the brain to induce the desired functionality, formulation of a self-restoration process is necessary for optimal brain control. This study proposes a computational model for the brain’s self-restoration process following the free-energy and degeneracy principles. Based on this model, a computational framework for brain control is established. We posited that the pretreatment brain circuit has long been configured in response to the environmental (the other neural populations’) demands on the circuit. Since the demands persist even after treatment, the treated circuit’s response to the demand may gradually approximate the pretreatment functionality. In this framework, an energy landscape of regional activities, estimated from resting-state endogenous activities by a pairwise maximum entropy model, is used to represent the pretreatment functionality. The approximation of the pretreatment functionality occurs via reconfiguration of interactions among neural populations within the treated circuit. To establish the current framework’s construct validity, we conducted various simulations. The simulations suggested that brain control should include the self-restoration process, without which the treatment was not optimal. We also presented simulations for optimizing repetitive treatments and optimal timing of the treatment. These results suggest a plausibility of the current framework in controlling the nonlinear dynamical brain with a self-restoration process.

中文翻译：

---

基于自由能和简并原理控制自我修复性大脑的计算框架

大脑是具有自我恢复过程的非线性动力学系统，可以保护自己免受外部损害，但通常是临床治疗的瓶颈。为了治疗大脑以诱导所需的功能，必须制定自我恢复过程才能实现最佳的大脑控制。这项研究提出了一种遵循自由能和简并性原理的大脑自我恢复过程的计算模型。基于该模型，建立了大脑控制的计算框架。我们认为，长期以来，针对大脑的环境（其他神经群体）的需求，已经对其进行了配置。由于即使在处理后需求仍然存在，因此处理过的电路对需求的响应可能会逐渐接近预处理功能。在这个框架中，由静止状态的内生活动通过成对最大熵模型估计的区域活动的能量景观用于表示预处理功能。预处理功能的近似值是通过重新配置已处理回路中神经种群之间的相互作用来实现的。为了确定当前框架的构造有效性，我们进行了各种模拟。模拟表明，脑部控制应包括自我恢复过程，没有这种过程就不能达到最佳治疗效果。我们还介绍了用于优化重复治疗和最佳治疗时间的模拟。这些结果表明当前框架在通过自恢复过程控制非线性动力学大脑方面的合理性。通过成对的最大熵模型从静止状态的内源性活动​​估计得到的值表示预处理功能。预处理功能的近似值是通过重新配置已处理回路中神经种群之间的相互作用来实现的。为了确定当前框架的构造有效性，我们进行了各种模拟。模拟表明，脑部控制应包括自我恢复过程，没有这种过程就不能达到最佳治疗效果。我们还介绍了用于优化重复治疗和最佳治疗时机的模拟。这些结果表明当前框架在通过自恢复过程控制非线性动力学大脑方面的合理性。通过成对的最大熵模型从静止状态的内源性活动​​估计得到的值表示预处理功能。预处理功能的近似值是通过重新配置已处理回路中神经种群之间的相互作用来实现的。为了确定当前框架的构造有效性，我们进行了各种模拟。模拟表明，脑部控制应包括自我恢复过程，没有这种过程就不能达到最佳治疗效果。我们还介绍了用于优化重复治疗和最佳治疗时机的模拟。这些结果表明当前框架在通过自恢复过程控制非线性动力学大脑方面的合理性。用于表示预处理功能。预处理功能的近似值是通过重新配置已处理回路中神经种群之间的相互作用来实现的。为了确定当前框架的构造有效性，我们进行了各种模拟。模拟表明，脑部控制应包括自我恢复过程，没有这种过程就不能达到最佳治疗效果。我们还介绍了用于优化重复治疗和最佳治疗时机的模拟。这些结果表明当前框架在通过自恢复过程控制非线性动力学大脑方面的合理性。用于表示预处理功能。预处理功能的近似值是通过重新配置已处理回路中神经种群之间的相互作用来实现的。为了确定当前框架的构造有效性，我们进行了各种模拟。模拟表明，脑部控制应包括自我恢复过程，没有这种过程就不能达到最佳治疗效果。我们还介绍了用于优化重复治疗和最佳治疗时机的模拟。这些结果表明当前框架在通过自恢复过程控制非线性动力学大脑方面的合理性。为了确定当前框架的构造有效性，我们进行了各种模拟。模拟表明，脑部控制应包括自我恢复过程，没有这种过程就不能达到最佳治疗效果。我们还介绍了用于优化重复治疗和最佳治疗时机的模拟。这些结果表明当前框架在通过自恢复过程控制非线性动力学大脑方面的合理性。为了确定当前框架的构造有效性，我们进行了各种模拟。模拟表明，脑部控制应包括自我恢复过程，没有这种过程就不能达到最佳治疗效果。我们还介绍了用于优化重复治疗和最佳治疗时机的模拟。这些结果表明当前框架在通过自恢复过程控制非线性动力学大脑方面的合理性。