人工神经流形

《Nature Communications》：Artificial neural manifolds

　　

大脑能够快速完成感知、预测与决策任务，这些能力源于神经元的集体协调。这种集体活动形成流形结构，天然支持信息表征与预测，然而大多数神经形态计算工作忽略了该结构。研究人员基于Mott忆阻器构建了人工神经流形，在实现准确且鲁棒的预测的同时减少了所需样本数量。通过构建人工神经元电路，获得了与生物神经元相似的钟形调谐曲线（bell-shaped tuning curve）。该调谐曲线将大规模神经元放电收敛为紧凑的低维流形结构。该结构满足延迟嵌入定理（delay embedding theorem），据此建立时空信息（spatiotemporal information, STI）方程，从而以少量样本实现神经活动的快速预测。此外，研究人员引入记忆因子（memory factor）修正STI方程，提升了预测精度与鲁棒性。研究人员不仅准确感知了不完整图像，还预测了癫痫发作。

研究背景方面，大脑依靠神经元群体的协调活动完成感知、决策与预测，这种群体活动呈现为低维连续结构即神经流形（neural manifold），其轨迹编码了环境状态与未来事件的预测能力。近年基于Mott过渡忆阻器等人工神经元器件的研究多聚焦静态调谐曲线映射与脉冲行为复现，忽视了从器件层面构建脉冲驱动的神经流形；而长短期记忆（LSTM）网络与储层计算（RC）等硬件预测方案依赖大量训练样本且泛化有限。能否在物理 grounded、低功耗的神经形态硬件上，利用流形结构结合延迟嵌入定理下的时空信息（STI）方程，从小样本实验数据直接推断未来神经轨迹，是亟待回答的问题。研究人员在《Nature Communications》发表工作，基于NbO_x Mott忆阻器在硬件层构建人工神经流形，将离散脉冲感知转为群体状态轨迹演化范式，实现少样本、高精度、鲁棒的短期预测，并验证不完整图像感知与癫痫信号早期预警。

关键技术方法上，研究人员采用Ti/Pt/NbO_x/Ti/Pt结构NbO_x阈值开关器件构成振荡神经元电路，以输入电压V_in为任务变量产生钟形调谐曲线；将多神经元放电经高斯过程因子分析（GPFA）嵌入低维流形，依据延迟嵌入定理建立引入记忆因子γ的STI共轭方程并在MCU求解；预测任务使用MNIST图像子集与波恩癫痫数据集（Bonn epilepsy dataset，含正常、发作间期、发作期局部场电位）作为外部信号源映射至器件输入。

研究结果部分，Spike firing characteristics of artificial neurons小节中，研究人员通过NbO_x器件伏安特性（V_th=1.39 V，V_hold=1.12 V，HRS 33.2 kΩ，LRS 1.4 kΩ）与寄生电容振荡电路，在V_in 1.6–2.3 V、R_load 2–9 kΩ下获得近高斯脉冲计数分布，证明人工神经元具备类生物钟形调谐选择性。Artificial neural manifold formation小节中，不同R_load神经元调谐曲线存在相位偏移，2维或3维负载组合分别形成椭圆或三维流形几何，GPFA将十神经元脉冲序列压缩为共享低维演化轨迹，证实高维放电被约束于低维流形。Solving artificial neural manifolds小节中，研究人员以Bell曲线编码原始D维输入至\widetilde{D}维，线性矩阵A、B与记忆因子γ构造修正STI方程（γ=0.5时SSIM 0.824优于传统0.746），用6历史时间点预测后2步神经轨迹（SSIM 0.737），MNIST缺列预测数字1–4的SSIM为0.868、0.740、0.681、0.901。Predicting brain neural electrical signals小节中，波恩癫痫数据90维映射下，正常态预测误差<1.5 kHz（SSIM 0.894），发作间期误差167.6 Hz（SSIM 0.997），发作期误差522.7 Hz（SSIM 0.981），并在正常转发作期捕获前驱预警窗口，仅需4帧历史数据。

讨论与结论部分，研究人员指出该工作于硬件层以Mott忆阻器建成人工神经流形，把脑启发计算从离散脉冲响应推进到群体状态轨迹演化，钟形调谐使大规模放电收敛为紧致流形并满足延迟嵌入定理，借记忆因子修正的STI方程实现高精鲁棒预测；在不完整信号重建与癫痫前驱—发作追踪中SSIM达0.997（发作间期）与0.981（发作期）。该流形架构为地震、台风、交通等应急小样本场景提供新范式，奠定了下一代高效智能感知系统的硬件与模型基础。