基于电导神经元中参数化延迟反馈的极限环增殖：分岔图景、轨道目录与容量分析

《Entropy》：Limit-Cycle Proliferation Under Parametric Delayed Feedback in a Conductance-Based Neuron: Bifurcation Landscape, Orbit Catalog, and Capacity Analysis

　　

研究人员证明，单个具有Pyragas型延迟反馈控制（Delayed Feedback Control, DFC）的霍奇金-赫胥黎（Hodgkin-Huxley, HH）神经元能够以稳定周期轨道的形式存储多个符号，其中特定轨道通过调节DFC增益K和时间延迟τ进行选择。在固定偏置电流I_bias=10.0μA/cm²条件下扫描(K,τ)参数平面， reveals 207种轨道类型，分属12个拓扑类别，脉冲间隔（Inter-Spike Interval, ISI）均值范围为5.9至56.9 ms。研究人员建立了：（i）一种写入协议，能够以13.9 ms的中位稳定时间锁定轨道；（ii）一种新颖的面向模式的极限环解码器（Pattern-Oriented Limit-cycle Decoder, POLD），仅需五个观测ISI即可实现100%准确率的轨道读取（1200次试验，涵盖12个轨道；Wilson 95%置信区间：99.7–100%）；（iii）完整的单符号写-读-擦（Write-Read-Erase, W-R-E）循环，具有100%读取准确率、92%擦除验证率，且在长达50 s的保持持续时间内无衰减；以及（iv）经验证的12符号记忆容量，读取可区分上限为67符号（相对速率编码的提升；写入可行性仅对保守的12符号子集得到确认）。可靠的轨道寻址需要τ的延迟精度达到O(10^?2)，这构成写入精度规范而非基本容量限制。这些发现表明，参数化延迟反馈是基于极限环的电导型脉冲神经元中信息存储的可行机制。其生物学解释是类比的，而非直接的：τ的延迟精度要求超出了生物自突触变异性已证明的范围，且轨道编码记忆框架最好被理解为面向神经形态工程的计算原理证明，而非关于生物工作记忆的主张。

研究背景与问题提出

神经信息处理的核心挑战之一在于构建能够高效存储和提取动态信息的计算单元。传统神经计算模型主要基于静态吸引子或速率编码，而近年来基于时间模式的编码策略因其高信息容量和生物相关性受到关注。极限环（limit cycle）作为动力系统中的周期解，为神经活动提供了丰富的动态模式库。然而，如何在单个神经元层面利用极限环实现多符号存储，并建立可靠的读写协议，仍是亟待解决的问题。霍奇金-赫胥黎（HH）模型作为电导型神经元的经典代表，具有扎实的生物物理基础；Pyragas型延迟反馈控制（DFC）则为调控非线性系统 dynamics 提供了有效的工程手段。本研究旨在探索二者结合时产生的极限环增殖现象，系统刻画其分岔结构、轨道分类及记忆容量，为神经形态工程提供新的计算范式。

研究人员开展了关于基于延迟反馈的极限环记忆存储的系统研究，发表于《Entropy》。研究表明，参数化延迟反馈是电导型脉冲神经元中极限环信息存储的可行机制，实现了12符号的完整读写验证，并揭示了67符号的理论容量上限。

关键技术方法包括：基于四维HH微分方程的数值积分构建神经元模型；采用双参数(K,τ)平面扫描结合庞加莱截面（Poincaré section）进行轨道分类与稳定性分析；设计基于ISI序列的模式匹配解码算法（POLD）；通过蒙特卡洛仿真验证噪声鲁棒性与操作可靠性。

研究结果

研究人员首先建立了具有Pyragas型DFC的HH神经元模型，其中反馈项为K[v(t?τ)?v(t)]形式，v为膜电位。在I_bias=10.0μA/cm²固定条件下，系统呈现丰富的多稳态行为。

分岔图景与轨道目录部分，通过系统的(K,τ)参数扫描，识别出12个拓扑类别的207种不同轨道类型。这些轨道按ISI模式特征分类，ISI均值覆盖5.9 ms至56.9 ms的广泛范围。轨道稳定性由Floquet乘子分析确定，稳定的周期轨道存在于参数平面的离散" Arnol'd舌头 "区域。分岔分析揭示了鞍结分岔（saddle-node bifurcation）和倍周期分岔（period-doubling bifurcation）等关键分岔机制，这些分岔构成了不同轨道类型之间的边界。

写入协议部分，研究人员开发了基于参数Ramp调制的轨道锁定协议。该协议通过渐进式调整K和τ，将系统状态引导至目标轨道邻域，随后参数切换实现稳定捕获。统计结果显示，中位稳定时间为13.9 ms，体现了较快的写入动力学。该协议的关键在于利用参数空间的连续变形，避免跨越分岔边界导致的轨道跳变。

POLD解码器部分，研究人员提出了面向模式的极限环解码器（POLD），其核心创新在于利用ISI序列的模式特征进行轨道识别。该方法仅需五个连续ISI观测值，通过预训练的模板匹配实现分类。验证试验涵盖12个代表性轨道，共计1200次试验，达到100%识别准确率（Wilson 95%置信区间：99.7%–100%）。该结果表明，极限环的ISI特征具有高度可区分性，短序列即可实现可靠解码。

完整W-R-E循环部分，研究人员实现了单符号的写-读-擦除完整操作循环。读取环节采用POLD解码器保持了100%准确率；擦除操作通过参数复位至静态吸引子域实现，验证成功率达92%；保持试验显示，在最长50 s的持续期内，轨道无衰减漂移。该结果证实了极限环记忆的非易失性特征，源于稳定周期解的结构稳定性。

容量分析部分，研究确定了12符号的保守实现容量与67符号的理论读取区分上限。前者基于写入可行性的严格验证，后者由ISI特征空间的统计可分性界定。研究人员特别指出，延迟精度要求τ~O(10^?2)构成实际的写入规范，而非理论容量限制，这意味着通过提高控制精度可以扩展符号集规模。相对传统速率编码，极限环编码在信息传输率上展现出显著优势。

讨论与研究结论

研究人员在讨论部分系统评估了极限环神经记忆的生物学相关性与工程应用前景。首要的考量在于延迟精度要求的物理可实现性。生物自突触（autapse）作为神经回路中轴突末梢与同一神经元树突形成的自连接结构，其自然τ变异性通常在毫秒量级，而本研究所要求的O(10^?2)相对精度（约数十微秒级别的绝对控制）超出了当前对生物自突触调控精度的认知。这一差距明确地将本研究定位为计算原理证明，而非生物工作记忆的机制主张。

神经形态工程导向方面，研究人员强调轨道编码框架的核心价值在于其为脉冲神经网络提供了超越传统速率编码和时序编码的替代信息表征方案。与需要群体编码的多稳态网络不同，单神经元极限环存储具有硬件效率优势；与要求精确脉冲时刻的时序编码相比，极限环的周期性提供了内在的时间规整性。67符号的理论上限指示了该方案的显著容量潜力，尽管当前仅验证了12符号子集。

可靠性分析揭示，擦除操作的8%失败率主要源于参数复位路径 near 分岔边界的敏感性，而非轨道本身的不稳定性。这一观察提示未来优化方向包括设计更鲁棒的擦除轨迹，或采用双参数协同调制替代单参数扫描。

结论部分，研究人员总结道："参数化延迟反馈是电导型脉冲神经元中基于极限环的信息存储的可行机制。"这一核心论断建立在四个相互支撑的实验基础之上：写入协议的快速锁定能力、POLD解码器的完美识别性能、W-R-E循环的完整功能验证，以及容量分析的理论指导。研究同时审慎地划定了其解释边界——"生物学解释是类比的，而非直接的"，明确了从计算原理到生物实现的距离，为后续在混合信号神经形态芯片或光电子神经回路中的工程转化保留了空间。