磁通调控忆阻突触与约瑟夫森结特性在改良莫里斯-莱卡神经元动力学中的协同机制

来自某研究团队的研究人员通过构建改良莫里斯-莱卡（mML）神经元网络模型，探究了磁通量与约瑟夫森结（JJ）特性对神经动力学的影响。研究发现：在单耦合模型中，特定参数下可呈现周期态与超混沌态；网络层面则对比了规则连接（r=0）、小世界网络（r=0.5）和随机网络（最大重连）的同步行为，揭示随机拓扑结构下更易实现低耦合强度同步。该研究为神经形态计算与类脑芯片设计提供了理论依据。

　　

这项研究深入解析了磁通量控制忆阻突触与约瑟夫森结(Josephson junction, JJ)的协同效应对改良版莫里斯-莱卡(modified Morris-Lecar, mML)神经元网络的调控机制。通过分岔图和李雅普诺夫谱分析发现，单个耦合mML神经元在特定磁通与JJ参数组合下，可产生从周期性振荡到超混沌态的丰富动力学行为。

研究进一步构建了三类典型神经网络拓扑：规则网络（节点对称连接5个最近邻，重连概率r=0）、小世界网络（r=0.5时50%连接随机重构）和全随机网络（每个节点随机连接10个节点）。时空演化图与递归量化分析表明，随机拓扑结构中仅需较低磁通-JJ耦合强度即可诱导神经元集群同步，而规则网络需更强耦合才能实现相干放电。这种拓扑依赖的同步敏感性，为基于超导量子电路的神经形态系统优化提供了重要启示。