从皮层同步节律到脑类学习机制：一种时延协调的振荡脉冲神经网络

人类认知源于分布式神经电路中协调的脉冲动力学，信息通过放电率和由脑节律决定的精确脉冲时序进行编码。受此启发，我们提出一种脑类学习原始机制，使得认知水平的神经同步通过微观尺度的脉冲神经元动力学与宏观尺度的振荡同步机制之间的迭代自下而上和自上而下相互作用而实现。具体而言，我们将目标系统中的每个单元（例如皮层区域或图像像素）建模为嵌入预定义连接骨架的脉冲神经元。低层信息编码在时空域内，神经元通过自组织动力学在时间上有选择地聚类并自发放电。在自下而上的路径中，振荡同步源自过去在有限记忆窗口内积累的脉冲活动。由于脑动力学在部分和暂时同步而非全局相位锁定的范畴内运作，我们采用时延同步表述来建模振荡协调，从而实现大规模分布式系统中非均匀神经脉冲的自上而下调制。综上，我们构建了一个使用节律时序作为控制机制进行高效信息处理的脉冲-同步神经网络（S2-Net）。在广泛的任务中均实现了有前景的效果，包括神经活动解码、能效信号处理、时序绑定和语义推理。