表达脑状态特异性顶端放大、隔离与驱动模式的两室神经元放电模型

越来越多的实验证据表明，由连接组结构支持的脑状态特异性神经机制，在将过去和上下文知识与当前传入的证据流（例如来自感觉系统）相整合中起着关键作用。这些机制在多种空间和时间尺度上运作，需要在单个神经元和突触层面上获得专门支持。新皮层内的一个显著特征是大而深的锥体神经元的结构，其表现出顶端树突室与基底树突/胞体室之间的明显分离。这种分离的特征在于不同的传入连接模式和脑状态特异性激活机制，即顶端放大、隔离和驱动，分别对应于觉醒、较深的NREM睡眠阶段和REM睡眠。顶端机制的认知作用已在行为动物中得到证实。相比之下，放电网络中的经典学习模型基于单室神经元，缺乏描述顶端与基底/胞体信息整合的能力。本工作旨在为计算界提供一个两室放电神经元模型，该模型包含支持脑状态特异性学习所必需的特征。该模型在最高抽象层次上包含分段线性传递函数（ThetaPlanes），使其适用于大规模生物启发式人工智能系统。一种机器学习进化算法在一组适应度函数引导下，筛选出了定义表达所需顶端机制的神经元的参数。