近日，中國科學院自動化研究所的李國齊與徐波研究團隊，聯合清華大學、北京大學等科研機構，提出了一種“基於內生複雜性”的類腦神經元模型構建方法。相關研究論文已發表在《自然・計算科學》雜誌上。

該研究首先展示了脈衝神經網絡中LIF模型與HH模型在動力學特性上的等效性，證明了HH神經元可以通過四個特定連接結構的時變參數與LIF神經元等效。基於這一發現，研究團隊通過設計微架構，提升了計算單元的內生複雜性，使得HH網絡模型能夠模擬更大規模的LIF網絡模型特性。

大腦 大模型 AI

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

此外，團隊還將該模型簡化爲s-LIF2HH模型，並通過仿真實驗驗證了其在捕捉複雜動力學行爲方面的有效性。實驗結果顯示，HH網絡模型和s-LIF2HH網絡模型在表示能力和魯棒性上表現相似，而HH網絡模型在計算資源消耗方面更爲高效。

這一研究爲將人工智能融入神經科學複雜動力學特性提供了新的方法和理論支持，同時爲AI模型的優化與性能提升提供瞭解決方案。目前，研究團隊已經開始對更大規模的HH網絡及更復雜神經元進行深入研究，預計將進一步提升大模型的計算效率與任務處理能力，加速其實際應用的落地。

論文地址:https://www.nature.com/articles/s43588-024-00674-9