受秀丽隐杆线虫趋化性启发的导航神经回路

我们开发了一种受线虫秀丽隐杆线虫（Caenorhabditis elegans）趋化性启发的用于轮廓跟踪和导航的人工神经回路。为了利用脉冲神经网络相对于非脉冲神经网络所承诺的计算优势，我们开发了一个包含 7 个具有非可塑突触的脉冲神经元的网络，并证明其在跟踪一系列浓度时具有极高的鲁棒性。我们的“蠕虫”利用关于氯化钠浓度局部时间梯度的信息来决定觅食、探索和跟踪的瞬时路径。秀丽隐杆线虫趋化性网络中的一对关键神经元是 ASEL 和 ASER 神经元对，它们在其分级膜电位中捕捉蠕虫感知到的浓度梯度。我们网络的主要感觉神经元是一对人工脉冲神经元，其功能作为梯度检测器，其设计改编自秀丽隐杆线虫中 ASE 神经元对的计算模型。仿真表明，我们的“蠕虫”检测设定点的概率比最优无记忆 Levy 觅食模型高出约四倍。我们还表明，与等效的非脉冲网络相比，我们的脉冲神经网络在导航和跟踪轮廓时效率更高且更具抗噪性。我们证明我们的模型对噪声具有极强的鲁棒性，经过轻微修改即可用于其他实际应用，如避障。我们的网络模型也可扩展用于三维轮廓跟踪或避障。