神经元为何拥有数千突触：新皮层序列记忆理论

新皮层神经元拥有数千个兴奋性突触。神经元如何整合来自如此多突触的输入，以及这实现了何种大规模网络行为，仍是一个谜。先前有研究提出，树突的非线性特性使神经元能够识别多种模式。在本文中，我们扩展该思想，表明具有沿活跃树突排列的数千突触的神经元可以准确且稳健地学习识别数百种独特的细胞活动模式，即使在存在大量噪声和模式变化的情况下亦是如此。随后我们提出一种神经元模型，其中神经元识别的某些模式导致动作电位并产生该神经元的经典感受野，而神经元识别的大多数模式则通过轻微去极化神经元而不立即产生动作电位来充当预测。接着我们提出一个基于具有这些特性的神经元的网络模型，并展示该网络学习到基于时间的序列的稳健模型。鉴于新皮层中兴奋性神经元的相似性以及序列记忆在推理和行为中的重要性，我们提出这种序列记忆形式是新皮层组织的普遍属性。我们进一步提出，新皮层的细胞层实现同一序列记忆算法的变体，以达成推理和行为的不同方面。我们引入的神经元与网络模型在广泛参数范围内是稳健的，只要网络使用细胞激活的稀疏分布式编码。网络的序列容量随每个神经元上突触数量线性缩放。因此神经元需要数千突触来学习感觉刺激与运动序列中的许多时间模式。