鲁尔科夫映射

鲁尔科夫映射（Rulkov map），又称鲁尔科夫模型，是以离散时间迭代描述神经元放电活动的一类低维非线性模型。它用快变量表示膜电位样的变化，用慢变量表示恢复或适应过程，研究静息、持续发放、簇放电及耦合神经元的集体行为。Nikolai F. Rulkov 于 2001 年发表光滑映射模型，随后于 2002 年提出具有显式锋电位重置过程的分段映射模型。两种模型的快映射和参数含义不同，使用时需要注明具体版本。它们属于现象学模型，适合分析神经动力学机制，但不逐一描述离子通道的生物物理过程。

基本信息

项目	内容
中文名称	鲁尔科夫映射、鲁尔科夫模型
英文名称	Rulkov map、Rulkov neuron model
数学形式	具有快慢时间尺度的离散非线性映射
状态变量	快变量 [math]\displaystyle{ x_k }[/math]、慢变量 [math]\displaystyle{ y_k }[/math]，[math]\displaystyle{ k }[/math] 为迭代序号
主要版本	2001 年光滑映射、2002 年分段映射及后续改进形式
建模对象	单个神经元，以及由这些单元构成的耦合网络
典型现象	静息、持续发放、周期或混沌簇放电、簇同步和节律规则化

历史溯源

2001 年的研究关注一个集体现象：性质不同、单独活动时不规则的神经元，耦合后可以形成较规则的簇节律。Rulkov 用光滑二维映射及平均场耦合研究这一现象。2002 年的分段模型进一步引入快速上升与重置过程，使簇内的单次锋电位可以被明确识别。

2003 年，Andrey L. Shilnikov 与 Rulkov 分析了分段模型中混沌产生的分岔机制，指出冻结慢变量的快子系统与完整二维系统的稳定性需要分别处理。后续研究将映射模型扩展到不同类型的皮层神经元与化学突触网络。

模型概述

光滑映射

早期光滑形式为：

[math]\displaystyle{ \begin{aligned}x_{k+1}&=\frac{\alpha_{\mathrm R}}{1+x_k^2}+y_k,\\y_{k+1}&=y_k-\sigma_{\mathrm R}x_k-\beta_{\mathrm R}.\end{aligned} }[/math]

(1)

这里 [math]\displaystyle{ \alpha_{\mathrm R}\gt 0 }[/math] 控制快映射的非线性，[math]\displaystyle{ \sigma_{\mathrm R} }[/math] 和 [math]\displaystyle{ \beta_{\mathrm R} }[/math] 为小的正参数，使 [math]\displaystyle{ y_k }[/math] 在典型轨道上缓慢变化。常用示例取 [math]\displaystyle{ \sigma_{\mathrm R}=\beta_{\mathrm R}=0.001 }[/math]。[math]\displaystyle{ x_k }[/math] 和 [math]\displaystyle{ y_k }[/math] 是无量纲标量，不直接等于以毫伏计的膜电位和某一种离子电流。

快映射中的有理函数具有单峰形状，可以产生复杂振荡。式（1）没有单独的锋电位重置分支，因此簇内快速振荡与生理动作电位的精细波形不能直接等同。

分段映射

2002 年模型可写成：

[math]\displaystyle{ \begin{aligned}x_{k+1}&=f_\alpha(x_k,y_k+b_k),\\y_{k+1}&=y_k-\mu(x_k+1-s_k).\end{aligned} }[/math]

(2)

其中 [math]\displaystyle{ \alpha\gt 0 }[/math] 控制快函数，[math]\displaystyle{ 0\lt \mu\ll1 }[/math]，[math]\displaystyle{ \mu }[/math] 控制慢过程，常用示例取 [math]\displaystyle{ \mu=0.001 }[/math]。[math]\displaystyle{ b_k }[/math] 和 [math]\displaystyle{ s_k }[/math] 分别表示进入快、慢更新的输入。原论文将它们记为 [math]\displaystyle{ \beta_k }[/math] 和 [math]\displaystyle{ \sigma_k }[/math]。这里改记为 [math]\displaystyle{ b_k,s_k }[/math]，以区别于式（1）的 [math]\displaystyle{ \beta_{\mathrm R},\sigma_{\mathrm R} }[/math]。在通常的 [math]\displaystyle{ \alpha+v\gt 0 }[/math] 工作区间，快函数为：

[math]\displaystyle{ f_\alpha(u,v)=\begin{cases}\displaystyle\frac{\alpha}{1-u}+v,&u\le0,\\\alpha+v,&0\lt u\lt \alpha+v,\\-1,&u\ge\alpha+v.\end{cases} }[/math]

(3)

式（3）的三个分支依次表示阈下变化、快速上升和重置。第一支是有理非线性函数，后两支为常数，因此这一模型是分段非线性映射。研究无外部输入的单元时，常取 [math]\displaystyle{ b_k=0 }[/math]、[math]\displaystyle{ s_k=s }[/math] 为常数。后续模型还会改变分支形状，或加入前一步状态来限制锋电位持续时间，复现时应使用所引用版本的完整定义。

动力学机制

快慢反馈与簇的起止

分析光滑映射时，可以暂时冻结 [math]\displaystyle{ y_k=\gamma }[/math]，得到一维快子系统 [math]\displaystyle{ x_{k+1}=F(x_k;\gamma)=\alpha_{\mathrm R}/(1+x_k^2)+\gamma }[/math]。完整系统又通过 [math]\displaystyle{ x_k }[/math] 反馈改变 [math]\displaystyle{ \gamma }[/math]：当 [math]\displaystyle{ x_k\lt -\beta_{\mathrm R}/\sigma_{\mathrm R} }[/math] 时，慢变量上升；当 [math]\displaystyle{ x_k\gt -\beta_{\mathrm R}/\sigma_{\mathrm R} }[/math] 时下降，等号成立时不变。

在原论文讨论的混沌簇放电区间，静息阶段的轨道沿快子系统的稳定不动点分支移动。慢变量使稳定与不稳定不动点发生鞍结分岔后，轨道进入快速活动。活动阶段的反馈使慢变量反向漂移，快子系统的混沌吸引子发生边界危机，轨道重新回到静息分支。这些机制描述特定参数区间，不能概括为所有版本都遵循同一条“静息—簇放电—持续发放”转变路线。

静息不动点与局部稳定性

由式（1）直接求得完整二维系统的不动点：

[math]\displaystyle{ \begin{aligned}x^*&=-\frac{\beta_{\mathrm R}}{\sigma_{\mathrm R}},\\y^*&=x^*-\frac{\alpha_{\mathrm R}}{1+(x^*)^2}.\end{aligned} }[/math]

(4)

在式（4）处线性化，雅可比矩阵为：

[math]\displaystyle{ \begin{aligned}\mathbf J&=\begin{pmatrix}a&1\\-\sigma_{\mathrm R}&1\end{pmatrix},\\a&=-\frac{2\alpha_{\mathrm R}x^*}{[1+(x^*)^2]^2}.\end{aligned} }[/math]

(5)

当所有特征值的模小于 1 时，不动点局部渐近稳定。由于这里 [math]\displaystyle{ a\gt 0 }[/math]、[math]\displaystyle{ \sigma_{\mathrm R}\gt 0 }[/math]，式（5）的线性稳定条件化为 [math]\displaystyle{ a+\sigma_{\mathrm R}\lt 1 }[/math]。例如 [math]\displaystyle{ \beta_{\mathrm R}=\sigma_{\mathrm R}=0.001 }[/math] 时，[math]\displaystyle{ x^*=-1 }[/math]，线性稳定范围为 [math]\displaystyle{ \alpha_{\mathrm R}\lt 1.998 }[/math]。临界边界处需要进一步的非线性分析。这是由方程得到的局部稳定界限，不保证所有初值都收敛到该不动点，也不直接给出簇放电与持续活动的边界。

对于式（2）在 [math]\displaystyle{ b_k=0,s_k=s }[/math] 且不动点位于非正分支的情况，有 [math]\displaystyle{ x^*=s-1 }[/math]。Shilnikov 与 Rulkov 对完整二维分段系统得到的局部分岔曲线为：

[math]\displaystyle{ \begin{aligned}s_{\mathrm{NS}}&=2-\sqrt{\frac{\alpha}{1-\mu}}\\&\simeq2-\sqrt{\alpha}.\end{aligned} }[/math]

(6)

式（6）在原研究的参数范围内对应亚临界 Neimark–Sacker 分岔，即一对共轭特征值穿越单位圆。右侧近似式是忽略有限慢速参数修正的阈值估计。冻结快子系统的分岔与完整二维系统的局部分岔不是同一个对象，不能互相替代。

周期、混沌与多稳态

簇放电包含两个时间尺度：簇内锋电位的快速发放，以及簇与簇之间较慢的节律。两者的规则性需要分别判断。分段模型中的快子系统可以具有稳定不动点和锋电位周期轨道，而与慢过程结合后，完整系统仍可能产生混沌。2003 年研究分析了轨道沿吸引和排斥慢结构运动的鸭解（canard）及相关混沌机制，也展示了静息吸引子与混沌吸引子共存的参数区间。因此，一条不规则时间序列不足以证明混沌，单一初值的结果也不能排除多稳态。

典型数值示意

以下保留原词条的两张光滑映射示意图。图中 [math]\displaystyle{ \sigma_{\mathrm R}=\beta_{\mathrm R}=0.001 }[/math]，横轴是迭代步数，纵轴为无量纲模型变量。

图1：式（1）在 [math]\displaystyle{ \alpha_{\mathrm R}=4.2 }[/math] 时的快慢变量配合。上图红线为快变量 [math]\displaystyle{ x_k }[/math]，下图蓝线为慢变量 [math]\displaystyle{ y_k }[/math]，快速活动与安静间隔交替出现。曲线开头含初始暂态。图源：原词条自绘数值示意，上传记录见文件页。模型依据：。

图2：式（1）的三个参数示例。从上到下 [math]\displaystyle{ \alpha_{\mathrm R} }[/math] 分别为 1.8、4.2、4.7，展示收敛到静息不动点、簇放电和较密集的快速振荡。图中“紧张式发放”对应第三种示例，不表示 4.7 是通用分岔阈值，也不将光滑映射的振荡等同于分段模型的锋电位波形。横轴为迭代步数 [math]\displaystyle{ k }[/math]，纵轴为 [math]\displaystyle{ x_k }[/math]。图源：原词条自绘数值示意，上传记录见文件页。

神经科学意义与典型现象

簇同步与节律规则化

簇同步指不同单元的簇起止时刻或慢节律保持协调。锋电位同步则要求快速发放事件在更短的时间尺度上协调，两者不能混用。在 2001 年的平均场网络中，簇节律可以变得近似周期，而簇内的快速混沌振荡仍然不同步。这里的“规则化”描述慢节律的变化，不意味着单元的全部混沌动力学消失。

分段模型也被用于研究两个电耦合神经元的同步。原研究在不同耦合符号与参数下观察到同相和反相簇同步。反相结果涉及模型中的负耦合参数，不能直接解释为普通正电导缝隙连接必然产生的现象。

阈下振荡与噪声诱发放电

2004 年，Shilnikov 与 Rulkov 修改快函数的阈下分支，使模型能够先出现稳定的小幅阈下振荡，再进入锋电位发放。在该改进模型中，加入噪声可以诱发偶发锋电位，锋电位间隔分布与阈下节律有关。这些结论属于修改后的映射，不能直接套用到式（3）的原始形式。

放电时刻可靠性

放电时刻可靠性（spike timing reliability）衡量重复刺激时，神经元是否在相近时刻产生相似的锋电位序列。Bazhenov 等人在 2005 年利用改进映射研究规则发放细胞、快速发放中间神经元及其耦合网络。研究显示，在所考察的刺激和网络条件下，兴奋性连接有助于传播较弱输入，抑制反馈限制过多放电，两者共同改变可靠响应的频率范围。可靠性关注跨次刺激的重复性，与同一次试验中不同神经元是否同步是不同问题。

皮层网络的时空活动

2004 年的皮层网络研究采用改进映射表示规则发放、快速发放和内在簇放电细胞，并用兴奋性、抑制性化学突触连接这些单元。在所构造的一维、二维网络中，模型产生了传播波、旋转螺旋波以及不同网络活动状态。持续波动是否形成，取决于网络大小、连接范围、边界条件和突触参数。这些结果展示了映射方法研究集体动力学的用途，不意味着孤立的原始二维模型已经包含全部皮层生理机制。

耦合与网络扩展

平均场耦合

2001 年论文使用的全局耦合可写成：

[math]\displaystyle{ \begin{aligned}x_{i,k+1}&=\frac{\alpha_i}{1+x_{i,k}^2}+y_{i,k}+\varepsilon\bar x_k,\\y_{i,k+1}&=y_{i,k}-\sigma_i x_{i,k}-\beta_i,\\\bar x_k&=\frac1N\sum_{j=1}^{N}x_{j,k}.\end{aligned} }[/math]

(7)

其中 [math]\displaystyle{ N }[/math] 为单元数，[math]\displaystyle{ i,j }[/math] 为单元编号，[math]\displaystyle{ \varepsilon }[/math] 为耦合强度，[math]\displaystyle{ \bar x_k }[/math] 为快变量的群体均值。式（7）允许各单元具有不同参数。该耦合直接加入均值，与加入状态差的扩散耦合不同。

电耦合与化学突触

对式（2）的分段单元，可以用状态差构造电耦合输入。下面是原论文两单元形式向多个邻接单元的写法推广，需同时指定连接权重：

[math]\displaystyle{ \begin{aligned}C_{i,k}&=\sum_j g_{ij}(x_{j,k}-x_{i,k}),\\b_{i,k}&=c_b C_{i,k},\\s_{i,k}&=s_i+c_s C_{i,k}.\end{aligned} }[/math]

(8)

这里 [math]\displaystyle{ g_{ij} }[/math] 表示从单元 [math]\displaystyle{ j }[/math] 到 [math]\displaystyle{ i }[/math] 的耦合权重，[math]\displaystyle{ s_i }[/math] 为单元的基础参数，[math]\displaystyle{ c_b,c_s }[/math] 决定输入进入快、慢更新的相对强度。式（8）中各项仍是无量纲输入。若将它解释为物理电流，还需要变量尺度与电导的对应关系。

化学突触通常按突触前锋电位触发电流，再使电流按一定时间尺度衰减，并考虑突触后状态和反转电位。它与式（8）的持续状态差耦合具有不同机制。皮层网络的改进模型采用了这种突触电流的差分方程表示。

数值仿真与结果判读

复现鲁尔科夫映射时，需要同时记录模型版本、完整参数、初值、输入和网络更新方式。以下步骤有助于区分模型行为与数值实现问题：

1. 同步更新状态：先用第 [math]\displaystyle{ k }[/math] 步的全部旧状态计算新状态，再统一写入。式（1）的慢更新使用 [math]\displaystyle{ x_k }[/math]，不是刚计算出的 [math]\displaystyle{ x_{k+1} }[/math]。网络中逐个原地覆盖状态会引入额外的更新顺序效应。
2. 处理暂态与多稳态：将初始过渡段与长期轨道分开分析。改变初值重复计算，必要时分别沿参数增大、减小方向扫描，检查结果是否依赖初值和扫描方向。
3. 定义放电事件：说明检测使用阈值穿越、局部峰值还是分段映射的重置事件。光滑模型中一次阈值穿越不自动等于一个生理锋电位。
4. 分别测量快、慢节律：锋电位间隔（ISI）与簇间隔描述不同时间尺度。同步分析也应说明关注单次锋电位还是簇的起止。
5. 核查混沌证据：结合适合该映射的最大李雅普诺夫指数、返回映射和参数扫描判断。分段不连续映射的指数估计还需考虑分支切换，避免直接套用光滑公式。
6. 明确时间与电压标定：在比较实测频率或膜电位前，给出迭代间隔和变量的转换关系。论文中的某个时间标定只适用于相应模型及参数，不能视为所有鲁尔科夫映射的固定单位。

优势与局限

优势在于状态维度低、单步运算简单，并且快慢分离便于分析放电模式的转变。映射方法可以用较粗的采样保留所需放电模式和较慢网络过程，适合大量单元的模拟。

局限在于模型参数主要服务于现象学拟合，不能据此直接推断某种离子通道或钙依赖电流的变化。分段模型虽改善了锋电位事件的表示，仍不以重建真实动作电位的精细形状为目标。离散步长、重置规则和输入位置都可能影响结果。增加噪声、时延、突触可塑性等机制时，需要另外给出相应方程和依据，不能将扩展模型的全部能力归于原始映射。

与其他模型的关系

• Hodgkin–Huxley 模型（HH）：以连续时间的电导和通道门控变量描述动作电位，提供更具体的生物物理解释。鲁尔科夫映射以低维更新规则保留选定的动力学现象。
• FitzHugh–Nagumo 模型（FHN）：同样强调快兴奋与慢恢复，但采用连续时间方程。二者共享快慢建模思路，维度相同并不意味着分岔结构或可产生的放电模式相同。
• Hindmarsh–Rose 模型（HR）：是研究簇放电的连续时间模型。Rulkov 在早期论文中比较了两者中簇起止的动力学机制。

模型选择取决于研究问题：考察通道机制与精细波形时需要相应生物物理模型，研究节律、同步及较大网络的集体活动时，可以选择经过相应验证的映射模型。

署名

原词条编写及配图上传账号：Matthew，依据页面历史和文件记录。历次修订贡献见页面历史。