神经系统和神经形态电路中的工作记忆最小模型

《Nature Communications》：A minimal model of working memory in neural systems and neuromorphic circuits

　　

摘要

现象学脉冲神经元模型（如 Izhikevich、自适应二次积分与发放（aQIF）和自适应指数（AdEx））因其简单性和数值效率而被广泛使用。这些模型通过慢速自抑制适应变量来重现多样的神经元动力学。在此，我们引入了它们的对称对应模型，通过用慢速自兴奋取代适应，其动机源于内在钙介导的膜电流。这种最小化修改在不牺牲计算效率的情况下，实现了稳健的持续发放和工作记忆动力学。这些特性在兴奋性脉冲神经网络中依然保持。随后，我们推导并验证了一个平均场神经质量模型，该模型在保持工作记忆功能的同时保持稳定。此外，我们将单神经元模型实现于最小的基于忆阻器的神经形态电路中，并通过实验确认了其动力学特性。这些结果为大规模大脑模拟以及机器人、脑机接口和边缘 AI 设备中的神经形态应用提供了可扩展的工具。