热神经振子网络中的集体动力学与长程有序

在追求可扩展且节能的神经形态器件的过程中，最近的研究揭示了一类新型脉冲振荡器，称为“热神经振子”。这些器件通过相邻二氧化钒电阻存储器之间的热相互作用运作，模拟生物神经元行为。在此，我们展示了这些神经元网络的集体动力学行为展现出丰富的相结构，可通过调节热耦合和输入电压进行调控。值得注意的是，我们识别出 exhibiting 长程有序的相，然而这种有序并非源于临界性，而是源于系统的时间非局域响应。此外，我们表明这些热神经振子阵列通过储层计算在图像识别和时间序列预测中实现了高精度，而无需利用长程有序。我们的发现突出了神经形态计算的一个关键方面，可能对大脑功能具有启示意义：在某些计算任务中，临界性对于神经形态系统的高效性能可能并非必要。