利用复现皮层激发的异质性优化工作记忆

参数性工作记忆的一个神经相关物是神经元发放率的刺激特异性升高，这种升高在刺激移除后仍持续很长时间。具有局部兴奋和广泛抑制的网络模型支持持续的神经活动，从而将网络架构与参数性工作记忆联系起来。皮层神经元接收噪声输入波动，导致持续活动在网络中扩散游走，随时间推移使记忆退化。我们探讨了支持参数性工作记忆的皮层架构如何影响持续神经活动的扩散。通过研究脉冲网络和简化的势阱模型，我们表明空间异质的兴奋性耦合稳定了离散数量的持续状态，减少了持续活动在网络中的扩散。然而，异质耦合也对刺激表示空间进行了粗粒化，限制了参数性工作记忆的容量。由于粗粒化和扩散引起的存储误差之间存在权衡，使得初始刺激与回忆刺激之间的信息传递在固定的网络异质性下达到最优。对于足够长的延迟时间，最优吸引子数量少于可能的刺激数量，这表明记忆网络可以低度表示刺激空间以优化性能。我们的结果清楚地展示了网络架构和随机波动对参数性记忆存储的影响。