面向模拟神经器器件的神经参数推断
神经与进化计算
2026-02-13 v2
摘要
我们利用非序列化基于仿真的推断算法，提供一个 amortized 神经密度估计器，近似估计自适应指数整合-放电神经元模型的七个参数后验分布，这一模型运行在模拟神经器器件 BrainScaleS-2 亚 analog 子strate 上。我们通过训练二元分类器来限制大参数空间，预测产生 moderate 脉冲计数的参数组合。我们比较了两种神经密度估计器：一种使用手工提取的摘要统计量，另一种使用在神经密度估计器中训练的摘要网络。摘要网络产生更聚焦的后验分布，并生成的后验预测轨迹准确捕捉了膜电位动力学。使用手工摘要统计量时，后验预测轨迹匹配所包含的特征，但在具体动力学上存在偏差。后验分布显示出偏差和误校准的迹象，但仍能生成接近约束其上的目标观测值的后验预测样本。我们的结果验证了基于仿真的 amortized 推断是参数化模拟神经器 Circuits 的有效工具。
引用
@article{arxiv.2602.10763,
title = {Amortized Inference of Neuron Parameters on Analog Neuromorphic Hardware},
author = {Jakob Kaiser and Eric Müller and Johannes Schemmel},
journal= {arXiv preprint arXiv:2602.10763},
year = {2026}
}