QIF 网络中的多样神经序列：一个用于同步链和海马重放的分析可解框架
神经元与认知
2025-12-04 v1 神经与进化计算
摘要
序列神经活动是认知的基础，然而在生物约束下如何回忆多样序列仍是一个关键问题。现有模型常常难以在生物物理真实性和分析可解性之间取得平衡。我们通过提出一个简约的二次积分-发放（QIF）神经元网络来解决此问题，该网络通过时间不对称赫布（TAH）规则嵌入序列。我们的发现表明，这一单一框架能够稳健地重现一系列序列活动，包括持久的类同步链和瞬态的、表现出波纹内频率适应（IFA）的类海马重放爆发，所有这些都无需专门的延迟或适应机制。至关重要的是，我们推导出了精确的低维发放率方程（FREs），这些方程提供了机制性洞察，阐明了控制这些不同动力学状态的分布结构并解释了其稳定性。该模型还表现出对突触异质性和记忆模式重叠的强大鲁棒性。这些结果将具有 TAH 连接的 QIF 网络确立为一个分析可解且生物合理的平台，用于研究大脑中神经序列活动的涌现、稳定性和多样性。
引用
@article{arxiv.2508.06085,
title = {Diverse Neural Sequences in QIF Networks: An Analytically Tractable Framework for Synfire Chains and Hippocampal Replay},
author = {Genki Shimizu and Taro Toyoizumi},
journal= {arXiv preprint arXiv:2508.06085},
year = {2025}
}
备注
Accepted to ICONIP 2025 (Oral). Version of Record will appear in Springer LNCS; DOI to be added upon publication