Winter-My-Dream丨作者

近日，一項發表于《Science Advances》的研究揭示了大腦皮層神經元如何在高度多變的活動中實現可靠信息處理的動力學機制。研究發現，神經異質性通過抑制神經網絡內部固有相干模式、提升局部響應敏感性，并誘導輸入信號從屬的暫態動力學形成對輸入信號的可靠表征與信息處理，為理解大腦在復雜環境下的可靠計算提供了統一的理論框架。這一成果不僅深化了對神經異質性功能的認識，還為神經形態計算系統的設計提供了新的啟示。

可靠信息處理的關鍵：

神經異質性與輸入從屬暫態動力學

大腦神經元如同交響樂團中的樂手，形態、特性和連接方式各異，演奏出看似雜亂的“神經交響曲”。長期以來，這種異質性被認為是大腦功能復雜性和靈活性的源泉，但其如何在信息處理中協調神經活動高度多變性與可靠表征之間的矛盾，尚缺乏系統性解釋。通過構建生物學上合理的脈沖神經網絡模型，研究發現神經異質性能夠抑制神經網絡固有的時空相干模式，使神經元活動對外部輸入更具響應性。這一機制顯著提升了局部神經元的敏感性，并誘導形成與輸入密切相關的暫態動力學。這種動力學在高維神經活動空間中生成輸入從屬的軌跡，確保信息表征的可靠性。“想象一下，群體神經元活動就像水面上的波動，外部輸入激起漣漪，而異質性使這些漣漪既能靈活捕捉輸入特征，又能維持表征的可靠性，”論文作者解釋說。

圖1：研究工作概覽圖。 (a)異質性脈沖神經網絡模型。(b)神經異質性對網絡的動力學的影響。(c)動態模式分解 (DMD) 分析網絡時空模式。(d)異質性增強網絡的信息表征可靠性。

神經形態計算的前景：

神經異質性啟發的模型優化

這一研究不僅揭示了神經異質性在可靠信息處理中的動力學機制，還為神經形態計算模型的優化設計提供了新啟示。研究團隊提出，基于神經異質性的儲備池計算模型通過輸入從屬的暫態動力學，增強了系統對復雜輸入信號的動態表征能力。這種方法通過神經異質性提升了儲備池的計算性能，在較少算力和數據支持下實現了對復雜信號的可靠重構和預測。研究驗證了該模型在降低算力需求和能耗方面的潛力，為開發高效、低功耗的神經形態計算系統提供了理論支持。

之江實驗室研究專家楊冬平為該論文唯一通訊作者，高級研究專員吳生礅為該論文第一作者，之江實驗室為第一完成單位，該研究受到國家自然科學基金面上項目、浙江省自然科學基金重點項目和之江實驗室 PI啟動項目資助。

論文地址：https://www.science.org/doi/10.1126/sciadv.adr3903

神經動力學模型讀書會

為了促進神經科學、系統科學以及計算機科學等多領域學術工作者的交流合作，吸引更多朋友共同探索腦科學與類腦研究，周昌松、臧蘊亮、楊冬平、郭大慶、陳育涵、曹淼、劉泉影、王大輝、劉健、王鑫迪等來自國內外多所知名高校的專家學者在集智俱樂部共同發起「 」讀書會，歷時四個月研討，近日圓滿結束。

本季讀書會形成了聚集500+成員的神經動力學社區，積累了40+小時綜述、解讀、研討的視頻記錄，以及多篇社區成員總結的詞條、筆記、翻譯、科普資料等。現在報名加入讀書會，即可加入社區交流討論（微信），并解鎖相關視頻、文本資料。我們對腦的探索才剛剛起航，歡迎你一道參與，共同點亮更多腦科學研究的島嶼！

詳情請見：

1.

2.

3.

4.

5.

6.