大脑皮层记忆机制建模与存储性能仿真
神经元与认知
2024-06-11 v2 分布式、并行与集群计算
摘要
在计算科学与认知科学的交叉领域，图论被用作描述复杂关系和结构的形式化工具。传统图模型往往是静态的，缺乏动态和自主的行为模式；它们依赖具有全局视野的算法，这与生物神经网络显著不同，后者在模拟信息存储和检索过程时必须克服集中式算法的局限性。本研究引入了一种有向图模型，为每个节点配备自适应学习和决策能力，从而促进去中心化的动态信息存储，并对大脑记忆过程进行建模与仿真。我们将不同的存储实例抽象为有向图路径，将信息存储转化为不同路径的分配、判别和提取。为解决写入和读取挑战，每个节点都具有个性化的自适应学习能力。我们开发了一种无需“上帝视角”的存储算法，其中每个节点利用其有限的邻域信息，促进有向图路径的延伸、形成、固化和唤醒，实现有限资源的竞争性、互惠性和可持续利用。存储行为发生在每个节点中，节点的自适应学习行为具体化为以可变电阻为核心的微电路，模拟神经元的电生理行为。在神经生物学对生物神经网络解剖结构和电生理学的约束下，该模型为记忆实现机制提供了合理的解释，并对记忆痕迹理论提供了全面的系统级实验验证。
引用
@article{arxiv.2401.00381,
title = {Modeling of Memory Mechanisms in Cerebral Cortex and Simulation of Storage Performance},
author = {Hui Wei and Chenyue Feng and Jianning Zhang},
journal= {arXiv preprint arXiv:2401.00381},
year = {2024}
}