MARC

 008260126s2023        us                              c    eng  d
■001000017359769
■00520260202105210
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798291563878
■035    ▼a(MiAaPQ)AAI32271367
■035    ▼a(MiAaPQ)httphdlhandlenet2142121522
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a530
■1001  ▼aSalners,  Tyler.
■24510▼aModeling  Friction  Force  Avalanches  in  Molybdenum  Disulfide  and  Spiking  Neuronal  Avalanches  in  Mouse  Cortex
■260    ▼a[Sl]▼bUniversity  of  Illinois  at  Urbana-Champaign▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a144  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Chemla,  Yann  R.
■5021  ▼aThesis  (Ph.D.Physics.)--University  of  Illinois  at  Urbana-Champaign,  2023.
■520    ▼aIn  nature  we  find  widely  varying  systems  can  sometimes  be  described  by  a  single  set  of  simple  laws.  For  example,  intermittent  jumps  of  both  sliding  tectonic  plates  (during  an  earthquake)  and  spontaneous  magnetization  (the  Barkhausen  effect  in  magnets)  follow  the  same  set  of  "crackling"  laws.  Crackling  refers  to  the  quick  jumps  between  metastable  configurations  that  are  facilitated  by  slow  external  forcing  in  a  disordered  system.  The  cascades  of  jumps  (referred  to  as  'avalanches')  follow  simple  scaling  laws  for  quantities  like  their  size  and  duration.  In  this  work,  we  highlight  two  systems  that  follow  scaling  laws  and  compute  predictions  about  the  system  using  avalanches.  Building  on  a  simple  slip  model  we  show  that  friction  force  fluctuations  of  molybdenum-disulfide  may  result  from  slip-avalanches.  We  show  how  experimental  conditions  can  affect  the  observed  scaling  behavior,  and  thus  provide  a  blueprint  for  the  interpretation  of  data  in  a  range  of  other  systems  which  might  have  similar  experimental  conditions.  Importantly,  we  find  that  building  the  experimental  conditions  into  the  model  yields  good  agreement  with  the  experimental  results.  Next,  we  study  fluctuations  of  spiking  neurons  in  mice  cortex.  They  too  can  be  described  as  avalanches  and  follow  similar  statistics  as  the  slips  in  the  friction  experiments.  Here  we  use  the  same  basic  avalanche  model  used  for  friction,  and  to  capture  the  essential  physics  of  inhibition  and  recurrent  firing,  we  add  mean  field  connections  to  an  external  inhibitory  population  and  a  threshold  reduction  mechanism,  respectively.  We  find  that  this  simple  model  can  mimic  many  statistical  properties  of  the  data.  We  show  that  model  simulations  with  a  few  biological  tweaks  can  even  reproduce  empirical  signatures  of  recurrent  firing.  Finally,  we  show  that  though  the  inhibitory  species  are  the  minority  population,  they  make  up  a  majority  of  the  activity  in  neuronal  avalanches.  We  demonstrate  the  models  ability  to  reproduce  this  inhibitory  dominance  and  conclude  with  future  directions.
■590    ▼aSchool  code:  0090.
■650  4▼aPhysics
■650  4▼aApplied  physics
■650  4▼aCondensed  matter  physics
■653    ▼aAvalanches
■653    ▼aStatistical  physics
■653    ▼aFriction
■653    ▼aNeuronal  dynamics
■690    ▼a0605
■690    ▼a0611
■690    ▼a0215
■71020▼aUniversity  of  Illinois  at  Urbana-Champaign▼bPhysics.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0090
■791    ▼aPh.D.Physics.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359769▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books