揭示生物和人工神经网络的内在动态：从临界状态到最优表示
摘要：大脑中信息传输、处理和存储的动态过程的基础是神经科学中的一个关键挑战。一个鼓舞人心但具有推测性质的理论想法是，这种动力学应该在相变的边缘操作，即在不同集体相之间的边缘，以产生丰富的动态库并优化功能能力。近年来，由高通量数据和新理论发展引导的研究为这一假设的定量验证做出了贡献。在本文中，我们回顾了这一领域的最新进展，并强调了我们的贡献。特别地，我们使用来自小鼠大脑中数千个单独记录的神经元和诸如现象学重正化群分析、无序系统理论和随机矩阵理论等工具的数据。这些综合的方法为不同脑区中出现的准通用尺度和近临界行为提供了新的证据。此外，我们设计了基于储备计算范式的人工神经网络，并展示了当我们调整网络以获得最佳性能时，它们的内部动态状态变得近临界。这些结果不仅为理解指导大脑功能的最终原理开辟了新的视角，还为发展大脑启发式的神经形态计算铺平了道路。
作者：Guillermo B. Morales, Serena Di Santo, Miguel A. Mu~noz
论文ID：2307.10669
分类：Statistical Mechanics
分类简称：cond-mat.stat-mech
提交时间：2023-07-21