中国科学院自动化研究所李国齐、徐波研究团队联合清华大学、北京大学等提出“基于内生复杂性”的类脑神经元模型构建方法。相关研究论文发表于《自然・计算科学》。研究首先展示了脉冲神经网络神经元 LIF 模型和 HH 模型在动力学特性上的等效性，证明 HH 神经元可与四个特定连接结构的时变参数 LIF 神经元等效，基于此通过设计微架构提升计算单元内生复杂性，使 HH 网络模型能模拟更大规模 LIF 网络模型特性。团队还将模型简化为 s – LIF2HH 模型，仿真实验验证其在捕捉复杂动力学行为方面有效，且 HH 网络模型和 s – LIF2HH 网络模型在表示能力和鲁棒性上性能相似，HH 网络模型计算资源消耗更高效。研究为人工智能融入神经科学复杂动力学特性提供新方法和理论支持，为 AI 模型优化和性能提升提供解决方案，目前研究团队已开展对更大规模 HH 网络及更复杂神经元的研究，有望提升大模型计算效率和任务处理能力以实现快速落地。
论文地址：
https://www.nature.com/articles/s43588-024-00674-9
本站文章通过互联网转载或者由本站编辑人员搜集整理发布，如有侵权，请联系本站删除。