基于刺激电压预测动作电位发生时机：古典方法与量子启发方法的比较
神经元与认知
2025-10-06 v1 人工智能
机器学习
摘要
精准建模神经元动作电位 (AP) 发生时机，对理解神经信号编码至关重要。传统的漏积积分-发放 (LIF) 模型虽广泛使用，但在强或快速变化的刺激下预测 AP 发生延迟的相对误差较高。受近期实验发现和量子理论启发，我们提出了量子启发式漏积积分-发放 (QI-LIF) 模型，将 AP 发生视为概率事件，由时间上的高斯波包表示。该方法捕捉了神经放电过程中固有的生物变异性与不确定性。我们使用来自小鼠海马和感觉神经元的合成数据，系统比较了古典 LIF 与 QI-LIF 模型在不同刺激幅度下的 AP 发生预测相对误差。结果显示，QI-LIF 模型在高强度刺激下显著降低了预测误差，与观测到的生物响应高度吻合。这一工作凸显了量子启发式计算框架在提升神经建模精度方面的潜力，并对基于脑神经计算的量子工程方法具有启示意义。
引用
@article{arxiv.2510.03155,
title = {Stimulus-Voltage-Based Prediction of Action Potential Onset Timing: Classical vs. Quantum-Inspired Approaches},
author = {Stevens Johnson and Varun Puram and Johnson Thomas and Acsah Konuparamban and Ashwin Kannan},
journal= {arXiv preprint arXiv:2510.03155},
year = {2025}
}