探索受脑启发的机器智能：通过振荡同步的全息蓝图连接图中的点

神经科学和人工智能中的神经耦合都表现为编码抽象概念的动态振荡模式。为此，我们假设，更深入地理解控制脑节律的神经机制可以启发下一代机器学习算法的设计原则，从而提高效率和鲁棒性。基于这一想法，我们首先通过自发同步神经振荡的干涉来建模演化的脑节律，称为HoloBrain。使用耦合振荡的人工动力系统成功建模脑节律，激发了一种基于共享同步机制的受脑启发机器智能的“第一原理”，称为HoloGraph。该原理使图神经网络能够超越传统的热扩散范式，转向建模振荡同步。我们的HoloGraph框架不仅有效缓解了图神经网络中的过平滑问题，而且在推理和解决图上的挑战性问题方面展现出强大潜力。