Скачать или смотреть Вычисления на основе динамики нейронных синапсов | Дэвид Кларк, Институт Кемпнера при Гарвардском...

Семинар по теоретической нейронауке им. Ван Врисвейка
www.wwtns.online; в Твиттере: WWTNS@TheoreticalWide
Среда, 14 января 2026 г., 11:00 по восточному времени
Дэвид Кларк,
Институт Кемпнера при Гарвардском университете

Название: Вычисления посредством нейронно-синаптической динамики
Аннотация: Вычисления в нейронных цепях часто рассматриваются как осуществляемые посредством скоординированной динамики нейронов. В этой модели роль синаптической связи заключается в формировании динамики нейронов для реализации интересующих вычислений. Конечно, синапсы не статичны, а изменяются в различных временных масштабах, включая быстрые временные масштабы, сравнимые с временными масштабами нейронов. Таким образом, более точное представление о вычислениях в нейронных цепях может включать в себя связанную динамику нейронов и синапсов. Этот вид вычислений ближе к тому, что реализовано в Transformers, благодаря эквивалентности между непрерывной синаптической пластичностью и самовниманием. Сначала я опишу нелинейную рекуррентную модель нейронной сети с непрерывной хеббовской динамикой «быстрых» синапсов поверх неструктурированных «медленных» синапсов. Затем я опишу два вычисления, реализованные посредством нейронно-синаптической динамики, которые можно изучать в этой модели с помощью таких методов, как динамическая теория среднего поля и теория случайных матриц. Во-первых, существует новая фаза, называемая «замораживаемым хаосом», в которой стабильная фиксированная точка нейронной динамики непрерывно дестабилизируется синаптической динамикой. Это позволяет создать стабильную фиксированную точку в любом нейронном состоянии, посещаемом сетью, путем остановки синаптической пластичности. Во-вторых, я опишу эффект, называемый «устойчивыми колебаниями», в котором после стимуляции периодическим сигналом пластичная сеть продолжает автономно воспроизводить аналогичный сигнал в течение времени, превышающего любой собственный временной масштаб в системе. Таким образом, продолжающаяся хеббовская пластичность может обеспечивать динамическую форму рабочей памяти, дополняя статическую форму, обеспечиваемую замораживаемым хаосом. Продолжающиеся экспериментальные исследования показывают, что этот эффект реализуется в кортикальных органоидах. В целом, это направление исследований предполагает, что синапсы следует отнести к динамическим степеням свободы первого класса в нашем концептуальном понимании функционирования нейронных цепей.