神经形态分层模块化存储结构

《Nature Communications》：Neuromorphic hierarchical modular reservoirs

　　

摘要

模块化是大脑组织的基本原则，其体现为存在能够实现专门信息处理的独立子网络。这些紧密相连的模块通常嵌套在更大、更高阶的模块中，从而形成层级的模块化结构。然而，层级模块化如何影响网络功能至今仍不清楚。在此，我们提出了一种简单的块建模框架，用于生成多级层级模块化网络，并将其作为循环神经网络模型来评估其计算能力。研究表明，与纯粹的模块化网络和随机网络相比，层级模块化网络能提升记忆容量、支持多任务处理，并产生更广泛的时间动态特征。这些功能优势可归因于层级模块化网络所具有的丰富拓扑特征，包括互惠性和循环性网络结构。我们发现，这些优势同样适用于人类大脑结构连接的异质模块化组织，其中层级结构有助于提升记忆容量，并促进类似大脑的神经时间尺度的形成。总体而言，这些结果表明层级模块化赋予网络具有计算优势的特性，为理解神经网络结构与功能之间的关系提供了新视角。