超导光电子环路神经元的现象学模型

超导光电子环路神经元是一类有望用于大规模人工认知网络的电路。这些电路采用超导元件,包括单光子探测器、Josephson 结和变压器,以实现神经形态功能。迄今所有对环路神经元的仿真都使用第一性原理电路分析来建模突触、树突和神经元的行为。这些电路模型计算效率低,且模糊了环路神经元与其他复杂系统之间的关系。在此我们引入一种建模框架,在现象学层面捕捉相关突触、树突和神经元电路的行为,而无需诉诸完整电路方程。在这一紧凑模型中,发现每个树突遵循一个单一非线性泄漏积分器常微分方程,而神经元被建模为带阈值元件的树突并附加用于建立不应期的反馈机制。突触被建模为耦合到树突的单光子探测器,其中单光子探测器的响应遵循闭式表达式。我们量化了现象学模型相对于电路仿真的精度,发现该方法在保持万分之一精度的情况下将计算时间减少了万倍。我们用若干基本示例演示了该模型的使用。计算效率的净提升使得未来大规模网络仿真成为可能,而该表述建立了与应用数学、计算神经科学以及诸如自旋玻璃等物理系统的广泛联系。