分数阶忆阻器耦合禁忌学习神经元模型的多稳态与同步机制研究

来自国内的研究人员针对神经动力学系统中的复杂行为调控问题，提出了一种基于分数阶忆阻器(Fractional-order memristor)耦合的双神经元禁忌学习(Tabu learning)模型。该研究通过分岔图、李雅普诺夫指数(Lyapunov exponents)和局部吸引盆揭示了系统的多稳态特性，采用滑模控制算法实现周期模式下的全同步与相位同步，并通过ARM微控制器验证了仿真结果，为神经形态计算硬件设计提供了新思路。

　　这项突破性研究构建了包含忆阻自突触(memristor-autapse)的分数阶忆阻器耦合神经元模型，如同在神经电路中安装了一个"智能调节阀"。通过精密的分岔分析和吸引盆测绘，研究人员发现该系统能产生丰富的共存放电模式，其动态特性对初始条件极为敏感——就像蝴蝶效应在微观神经回路中的生动演绎。

巧妙设计的滑模控制算法如同精准的"神经节拍器"，通过调节耦合强度参数，成功实现了周期振荡状态下神经元活动的完全同步(Full synchronization)和相位锁定(Phase synchronization)。更令人振奋的是，团队采用ARM架构微控制器进行硬件验证，将抽象的数学模型转化为可触摸的电子神经回路，为类脑计算芯片的研发铺设了关键理论基石。

这项研究不仅揭示了忆阻器在调控神经可塑性方面的独特优势，其建立的分数阶建模框架更为理解阿尔茨海默病等神经退行性疾病中的异常同步振荡提供了新视角。那些隐藏在非线性动力学中的多稳态现象，或许正是大脑记忆编码与信息处理的数学本质。