摘要
循环神经网络的研究主要沿着两条平行路径展开：一条是以任务性能为评估标准的人工智能模型研究，另一条则是以动态真实性为评估标准的皮层回路计算神经科学模型研究。储层计算为这两者提供了交汇点，但在受生物学约束的脉冲架构中，动态状态与计算性能之间的关联尚未被系统地阐明。我们将以布鲁内尔平衡的兴奋-抑制网络作为储层，研究其在整个相图中的分离能力（核质量）以及瞬态记忆能力（通过非参数互信息验证的修正线性记忆容量）。分析中采用了四状态马尔可夫源，其香农熵率可通过一个参数在固定边际熵的情况下以封闭形式确定。这两种能力都会随着抑制比率g的增加而单调上升，在异步不规则状态下达到最高值，之后则因逐渐饱和而增长幅度变小；尽管同步不规则状态下的网络时间尺度长三个数量级，但两种能力在此状态下均无法体现。此外，记忆功能还需要稀疏的输入耦合：密集的输入耦合会缩短驱动时间尺度，从而在所有状态下都消除记忆功能。因此，抑制平衡作为一种统一的架构控制参数，为皮层回路建模和储层计算应用提供了定量设计依据。
