网络算法学与皮层突触权重分布的出现

当神经元放电，产生的动作电位沿其轴突传向其他神经元的树突时，对每个神经元的影响由分隔它与放电神经元的突触权重所介导。反过来，这个权重又受到突触后神经元反应的影响，这种机制被认为是学习和记忆等重要过程的基础。尽管难以量化，但已发现皮层突触权重服从一个在最低值附近达到峰值的长尾单峰分布，从而证实了之前构建的一些预测模型。这些模型都是因果局域的，因为它们指的是多个神经元都直接向同一个突触后神经元放电的情况。因此，它们必然包含关于突触前神经元产生动作电位的假设，而这些假设几乎没有生物学可解释性。在这封信中，我们引入了一个由相互连接的大群神经元组成的网络模型，并证明，在不做出因果局域模型所特有的任何假设的情况下，其长期行为会产生一个具有与实验观察相同性质的突触权重分布。在我们的模型中，产生神经元输入的动作电位，最终是网络范围的因果链的产物，这些因果链将一个神经元发生的事件与其他神经元的放电联系起来。因此，我们的模型本质上是因果全局的，并将突触权重分布的出现归因于网络结构和功能。因此，它也有可能成为研究其他涌现皮层现象的工具。