Attractor Dynamics with Synaptic Depression
神经元连接权重表现出短期抑制（STD）。本文研究了STD对连续吸引子神经网络（CANN）动力学的影响及其在神经信息处理中的潜在作用。我们发现，与STD网络可以产生静态和移动颠簸，STD提高了网络的性能，在跟踪外部输入。特别地，我们发现STD赋予网络缓慢衰减的平台行为，即，最初被刺激到活跃状态的网络将在STD的时间尺度上而不是在神经信号的时间尺度上非常缓慢地衰减到沉默。我们认为，这为神经系统提供了一种机制，可以轻松地保持短期记忆，并自然地关闭持续活动。
2010-11-22 cond-mat.dis-nn physics.bio-ph q-bio.NC
Spontaneous Motion on Two-dimensional Continuous Attractors
吸引子模型是用于描述神经元池的放电率曲线的动力学的简化模型。放电率曲线或神经元活动被认为携带信息。连续吸引子神经网络（CANNs）描述了连续信息的神经处理，如对象的位置，对象的方向和对象的运动方向。最近，人们发现，在一维CANN，短期突触抑制可以不稳定的隆起形神经元吸引子活动配置文件。在本文中，我们研究了具有短期突触抑制和锋电位频率适应的二维CANN。我们发现，CANNs与短期突触抑制和CANNs与尖峰频率适应的动力学性质相似。我们还发现，在这两种CANN的微扰方法可以用来预测相图，动力学变量和自发运动的速度。
2015-01-31 cond-mat.dis-nn
Short-term synaptic facilitation improves information retrieval in noisy neural networks
研究发现，短时程突触抑制和易化对自联想神经网络的性能有很大影响。然而，迄今为止，仅获得了部分结果，例如集中在零温度下的最大存储容量的计算上。在这项工作中，我们将这些突触机制对自联想神经网络的影响的研究扩展到更现实和一般的条件，包括系统中存在噪声。特别是，我们的特点是通过其相图的系统的行为，我们的结论是，突触促进显着扩大了该地区的良好检索性能的网络。我们还发现，具有促进突触的网络可能具有比标准自联想网络高得多的临界温度，从而使神经网络在高噪声条件下表现得更好。
2012-02-17 cond-mat.dis-nn q-bio.NC
Double Inverse Stochastic Resonance with Dynamic Synapses
我们研究了一个模型神经元的行为，该模型神经元接收基于大量传入神经的不相关尖峰活动的生物药理学上真实的噪声突触后电流。我们发现，静态突触，这样的噪音可以引起逆随机共振（ISR）作为突触前放电率的函数。我们将其与具有短期突触可塑性的动态突触的情况进行比较，并表明ISR存在的突触前放电率间隔可以延长或缩短。我们考虑短期抑郁和促进。有趣的是，我们发现一个双逆随机共振（DISR），两个不同的井集中在不同的突触前放电率，可以出现。
2016-12-23 cond-mat.dis-nn q-bio.NC
Stochastic Ising model with plastic interactions
本文在伊辛模型的基础上提出了一个新的模型，旨在研究神经网络中的突触可塑性现象。今天在生物学中已经确立，当神经元共同活动时，某些类型的神经元之间的突触或连接会得到加强，这是所谓的突触可塑性的一种形式。这种机制被认为介导记忆的形成和维持。所提出的模型描述了这种现象的一些特征。在我们的模型中，除了自旋翻转动力学外，耦合常数也服从随机动力学，因此它们相互作用。系统的演化过程是一个连续时间的马尔可夫跳变过程。关键词马尔可夫链，随机伊辛模型，突触可塑性，神经网络，瞬态
2016-07-20 cond-mat.dis-nn q-bio.NC
Subthreshold dynamics of the neural membrane potential driven by stochastic synaptic input
在大脑皮层中，神经元受到来自网络背景活动的突触输入的连续轰击。这导致了持续的，主要是阈下的膜动力学，这取决于背景活动和神经元上突触的统计数据。阈下膜极化反过来又是神经反应的有效调节剂。本文分析了稳态统计量突触输入驱动的神经膜电位的阈下动力学。突触输入被认为是线性相互作用。该分析确定制度的输入统计，从而引起平稳，波动，振荡和不稳定的动态。特别是，我表明，（一）单纯的噪声输入可以驱动膜电位持续，准周期振荡（噪声驱动的振荡），在没有刺激源性，神经内，或网络起搏器;（二）添加超极化去极化突触输入可以增加神经活动（超极化引起的活动），在超极化激活电流的情况下。
2002-09-26 cond-mat.dis-nn physics.bio-ph q-bio.NC
Stochastic synaptic dynamics under learning
Bernstein Center for Computational Neuroscience（伯恩施坦计算神经科学中心）；Physics Department of Humboldt-Universität zu Berlin（柏林洪堡大学物理系）；Institute for Theoretical Biology, Department of Biology, Humboldt-Universität zu Berlin（柏林洪堡大学生物学院理论生物学研究所）；Einstein Center for Neurosciences Berlin（柏林爱因斯坦神经科学中心）
本文提出了一种基于突触时依赖性可塑性（STDP）的随机突触动力学模型，通过分析突触权重的随机过程，揭示了记忆退化的时间进程和记忆容量的计算方法。
2026-01-13 cond-mat.dis-nn physics.bio-ph q-bio.NC
Anticipative Tracking with the Short-Term Synaptic Plasticity of Spintronic Devices
在认知任务中，对高速运动目标的实时跟踪是当前人工智能技术的一个挑战，因为数据处理和计算非常耗时，导致了阻碍性的时间延迟。脑激励连续吸引子神经网络（CANN）可以用来跟踪快速移动的目标，如果网络中的动态突触具有短期可塑性，则网络中的时间延迟可以得到内在补偿。在这里，我们表明，短期抑郁症的突触可以实现磁隧道结，它完美地再现了广泛应用的数学模型中的突触权重的动态。然后，这些动态突触被纳入一维和二维的CANN，这是证明有能力通过微磁模拟预测一个移动的物体。这种基于自旋电子学的便携式神经形态计算硬件不需要训练，因此非常有希望用于运动目标的跟踪技术。
2020-10-14 cond-mat.dis-nn physics.app-ph
Neural networks with dynamical synapses: from mixed-mode oscillations and spindles to chaos
了解短时程突触抑制（STSD）和其他形式的突触可塑性是神经科学中的一个热点问题。在这里，我们研究STSD在形成复杂的脑节律模式中的作用。我们使用一个皮层电路模型的神经网络组成的不规则尖峰兴奋性和抑制性神经元具有1型和2型兴奋性和随机动力学。在该模型中，神经元形成稀疏连接的网络，它们的自发活动由代表突触噪声的随机尖峰驱动。通过模拟和分析计算，我们发现，如果STSD不存在，神经网络会显示异步行为或规则的网络振荡，这取决于噪声水平。在具有STSD的网络中，改变突触可塑性和噪声水平的参数，我们观察到向复杂模式的集体活动的过渡：混合模式和纺锤体振荡，集体活动的爆发和混沌行为。有趣的是，这些图案在一定的参数范围内是稳定的，并由临界边界分隔。因此，突触可塑性的参数可以在不同的网络状态之间起到控制参数或开关的作用。然而，由疾病引起的参数变化可能导致正在进行的神经活动的显著损害。我们通过使用混沌的0 - 1测试（Gottwald，G. &墨尔本，I.，#20004;，并表明它具有集体性。
2012-11-24 cond-mat.dis-nn physics.bio-ph q-bio.NC
Metastability in a stochastic neural network modeled as a velocity jump Markov process
神经科学中的主要挑战之一是确定存在于分子和细胞水平的噪声如何影响突触耦合神经元群体宏观水平的动力学和信息处理。通常，噪声被并入确定性网络模型使用外部噪声源。另一种方法是假设噪声本质上是作为集体群体效应而产生的，这导致了随机神经网络的主方程。在本文中，我们通过引入一个随机模型的神经种群动力学的形式的速度跳马尔可夫过程扩展的主方程制定。后者具有跟踪突触处理以及尖峰活动的优点，并且在特定限制下简化为神经主方程。群体突触变量根据分段确定性动力学演化，这取决于群体尖峰活动。后者的特点是由一组离散随机变量根据跳马尔可夫过程，依赖于突触变量的过渡率演变。我们考虑的特殊问题，罕见的亚稳态之间的网络运行在一个确定性的限制，在一个稳定的制度。假设突触动力学比离散尖峰状态之间的转换慢得多，我们使用WKB近似和奇异微扰理论来确定穿过两个亚稳态之间的分界线的平均首次通过时间。这样的分析也可以应用于其他速度跳跃马尔可夫过程，包括随机电压门控离子通道和随机基因网络。
2013-04-25 cond-mat.dis-nn
When Response Variability Increases Neural Network Robustness to Synaptic Noise
已知皮层感觉神经元是高度可变的，在这个意义上，由相同刺激引起的反应经常在不同试验中发生显著变化。这种变异性的起源是不确定的，但它通常被解释为有害的噪声，降低了神经回路的计算精度。在这里，我们调查的可能性，这种反应的可变性可能，事实上，是有益的，因为它可以部分补偿由于网络的突触强度的随机变化而导致的准确性下降。我们研究了两种噪声，反应（或神经元）噪声和突触噪声之间的相互作用，通过分析它们的联合影响的准确性的神经网络训练执行各种任务。我们发现了一个有趣的、通用的相互作用：当突触连接的波动与它们的强度（乘性噪声）成正比时，与没有响应噪声的相同网络相比，输入神经元中一定量的响应噪声可以显著提高网络性能。性能得到增强，因为响应噪声和乘性突触噪声在某些方面是等效的。这些结果在最基本的网络中得到了分析证明，该网络由两个输入神经元和一个输出神经元组成，执行简单的分类任务，但计算机模拟表明，这种现象在广泛的架构中仍然存在，包括经常性（吸引子）网络和执行坐标变换的感觉运动网络。结果表明，反应的可变性可以在不断学习的网络中发挥重要的动态作用。
2005-10-18 cond-mat.dis-nn q-bio.NC
Impact of deviation from precise balance of spike-timing-dependent plasticity
最近的生物学实验结果表明，突触可塑性取决于突触前和突触后锋电位的相对计时，这被称为锋电位计时依赖可塑性（STDP）。许多作者认为，STDP的长时程增强（LTP）和长时程抑制（LTD）之间的精确平衡对于时空模式的存储至关重要。一些作者数值研究了LTP和LTD之间的不平衡对网络特性的影响。然而，数学机制仍然未知。我们分析表明，联想记忆网络具有强大的检索性能的时空模式，这些属性使得网络不容易受到任何偏离LTP和LTD之间的精确平衡时，网络包含有限数量的神经元。
2004-03-15 cond-mat.dis-nn q-bio
A robust balancing mechanism for spiking neural networks
提出一种基于短期抑制引起突触可塑性的非线性鲁棒平衡机制，使脉冲神经网络在无强外部电流时仍能维持由涨落驱动的高度不规则脉冲动态。
2024-01-23 cond-mat.dis-nn q-bio.NC
Mean-field approximations of networks of spiking neurons with short-term synaptic plasticity
神经网络动力学的低维描述是一种有效的工具，用于连接不同尺度的大脑结构和功能的组织。最近在推导耦合振子网络的平均场描述方面的进展引发了新一代神经质量模型的发展。值得注意的是所有对所有耦合的二次积分和激发（QIF）神经元的平均场描述，已经看到了许多扩展和应用。这些扩展包括不同形式的短期适应（STA）被认为在大脑中产生和维持感兴趣的动态机制中发挥重要作用。然而，这是一个悬而未决的问题，是否纳入由单个神经元活动驱动的突触可塑性的突触前形式仍然允许使用相同的方法推导平均场方程。在这里，我们讨论这个问题，使用一个既定的模型，短期突触可塑性在单个神经元的水平，我们提出了两种不同的方法来推导的平均场方程。我们比较这些模型与最近提出的平均场近似假设随机尖峰时间。在一般情况下，后者无法准确地再现宏观活动的确定性QIF神经元网络的分布参数。我们表明，我们提出的平均场模型提供了一个更准确的描述的网络动态，虽然他们在数学上更多的参与。通过分叉分析，我们发现具有突触前短时可塑性的QIF网络既可以表现出周期性爆发活动的机制，也可以表现出双稳态机制。总之，我们提供了新的见解短期突触可塑性的宏观影响尖峰神经网络，以及两个不同的平均场描述，为未来的调查，这样的网络。
2021-06-14 cond-mat.dis-nn q-bio.NC
Exact neural mass model for synaptic-based working memory
开发了一种精确重现异质放电网络动力学的神经质量模型，通过突触促进与抑制机制模拟工作记忆操作，揭示了记忆容量与呈现速率的关系及脑电信号特征。
2020-10-14 cond-mat.dis-nn math.DS nlin.AO
Fluctuation-response Relation Unifies Dynamical Behaviors in Neural Fields
预期是神经场用来补偿动态信息跟踪期间的传输和处理延迟的策略，并且可以通过缓慢的、局部的、抑制性反馈机制来实现，例如短期突触抑制、尖峰频率适应或来自其他层的抑制性反馈。移动网络状态的平移对称性的基础上，我们推导出通用的波动响应关系，提供统一的预测，链接在外部刺激的存在下，其跟踪行为的内在动力学的神经领域在他们的缺席。
2015-07-14 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
From statistical inference to a differential learning rule for stochastic neural networks
随机神经网络是一种能够建立外部刺激集合的概率表示的原型计算设备。建立在推理和学习之间的关系，我们得出一个突触可塑性规则，只依赖于延迟活动的相关性，并显示了一些显着的功能。我们的“延迟相关匹配”（DCM）规则满足生物可行性的一些基本要求：有限和嘈杂的传入信号，戴尔的原则和突触连接的不对称性，权重更新计算的局部性。尽管如此，DCM规则能够在一般情况下存储大量的模式作为随机递归神经网络中的吸引子，而不需要任何修改：它可以处理相关模式，广泛的架构（有或没有隐藏的神经元状态），具有palimplant属性的一次性学习，同时避免虚假吸引子的扩散。当隐藏单元存在时，我们的学习规则可以用于构建玻尔兹曼机生成模型，利用在特征提取和分类任务中添加隐藏神经元。
2018-10-22 cond-mat.dis-nn q-bio.NC
Thouless-Anderson-Palmer equation for analog neural network with temporally fluctuating white synaptic noise
从神经生物学和生物物理学的角度研究了突触噪声对联想记忆神经网络提取过程的影响。本文研究了随机模拟神经网络在时间涨落突触噪声（假定为白噪声）作用下的统计力学性质。这样的网络，一般来说，藐视使用的副本方法，因为它们没有能量的概念。自洽信号噪声分析（SCSNA），这是一个替代的副本方法推导出一组序参量方程，不需要能量的概念，从而成为研究网络的能量函数。将SCSNA应用于随机网络需要Thouless-Anderson-Palmer（TAP）方程的知识，TAP方程定义了与原始随机网络等价的确定性网络。TAP方程在无能量概念情况下的研究很少，而在有能量概念的情况下，TAP方程与SCSNA密切相关。本文将腔方法与SCSNA相结合，导出了含突触噪声网络的TAP方程和一组序参量方程。
2007-06-14 cond-mat.dis-nn cond-mat.stat-mech
On the role of synaptic stochasticity in training low-precision neural networks
Bocconi Institute for Data Science and Analytics, Bocconi University（博科尼大学博科尼数据科学与分析研究所）；Italian Institute for Genomic Medicine（意大利基因组医学研究所）；Istituto Nazionale di Fisica Nucleare（意大利国家核物理研究所）；Politecnico di Torino（都灵理工大学）；Radboud University Nijmegen（内梅亨大学）；Donders Institute for Brain, Cognition and Behaviour（唐德斯大脑、认知与行为研究所）；International Centre for Theoretical Physics（国际理论物理中心）
神经网络模型中突触权重的随机性和有限精度是学习过程的生物和硬件建模的关键方面。在这里，我们表明，随机二进制权重的神经网络模型自然突出指数罕见的稠密区域的解决方案具有一些理想的属性，如鲁棒性和良好的泛化性能，而典型的解决方案是孤立的，很难找到。二进制的标准感知器问题的解决方案是从一个简单的梯度下降过程中获得的一组参数化的二进制突触的概率分布的实际值。分析和数值结果。还研究了一种旨在训练离散深度神经网络的算法扩展。
2018-03-20 cond-mat.dis-nn cs.LG cs.NE
A constructive mean field analysis of multi population neural networks with random synaptic weights and stochastic inputs
我们处理的问题，弥合两个尺度之间的差距，在神经元建模。在第一个（微观）尺度上，神经元被单独考虑，它们的行为由随机微分方程描述，该方程控制它们的膜电位的时间变化。它们通过突触连接耦合，突触连接作用于它们产生的活动，这是它们的膜电位的非线性函数。在第二（介观）尺度上，相互作用的神经元群体由类似的方程单独描述。描述动力学和稳态平均场行为的方程被认为是一组随机过程的函数方程。使用这个新的观点，使我们能够证明，这些方程是适定的任何有限的时间间隔，并提供了一个建设性的方法，有效地计算其唯一的解决方案。证明了该方法收敛于唯一解，并给出了其复杂性和收敛速度的特征。我们还提供了部分结果的平稳问题的无限时间间隔。这些结果为Jansen和Rit \cite{jansen-rit:95}的神经质量模型提供了一些新的线索：它们的动力学表现为我们分析中出现的更丰富动力学的粗略近似。我们的数值实验证实，我们提出的框架和数值方法，我们从它提供了一个新的和强大的工具，在不同尺度上的神经行为的探索。
2009-02-02 cond-mat.dis-nn math-ph math.MP
Switching between memories in neural automata with synaptic noise
我们提出了一个随机神经自动机，其中活动波动和突触强度在不同的温度下演变，后者移动通过一组存储的模式。因此，该网络表现出各种检索阶段，包括一个描绘吸引子之间的连续切换。根据系统参数值，切换可以是随机的或更复杂的。
2005-10-01 cond-mat.dis-nn cond-mat.stat-mech
A novel stochastic Hebb-like learning rule for neural networks
我们提出了一种新的随机Hebb类神经网络学习规则。当突触修饰由突触前和突触后激活引起时，这种学习规则相对于时间点的选择是随机的。此外，学习规则不仅影响突触前和突触后神经元之间的突触，这被称为同突触可塑性，而且还影响突触前和突触后神经元的更远的突触。这种形式的可塑性最近引起了实验研究的兴趣，被称为异突触可塑性。我们的学习规则给出了这种突触修饰的定性解释。
2003-07-28 cond-mat.dis-nn q-bio
Instability of frozen-in states in synchronous Hebbian neural networks
研究了具有Ising二进制单元和有限自相互作用的Hebbian学习规则的同步递归神经网络模型的全动力学，以确定在没有这两种噪声的情况下出现的冻结状态对突触噪声和随机噪声的稳定性。这两个，数值模拟程序的Eissfeller和Opper和一个新的替代程序，允许在更大的时间尺度上的动态已被用于这项工作。结果表明，突触噪声不稳定的冻结状态，并产生检索或顺磁状态不太大的随机噪声。这些迹象表明，在没有突触噪声的情况下，对于低随机噪声，可以得出相同的结果。
2008-05-13 cond-mat.dis-nn cond-mat.stat-mech
Irregular dynamics in up and down cortical states
复杂相干动力学存在于各种各样的神经系统中。一个典型的例子是在大脑皮层区域观察到的上升和下降状态之间的电压转换。在这项工作中，我们研究了这种现象，通过一个生物动机的随机模型的上下转换。该模型是由一个简单的突触速率模型，其中的突触电流调制的短期突触过程，引入随机性和时间相关性。一个完整的分析，我们的模型，无论是平均场方法和数值模拟，显示高（上）和低（下）神经活动状态之间的复杂转换的外观，由突触噪声驱动，与持久性时间在向上状态分布根据幂律。我们表明，实验观察到的大波动，在向上和向下的持久性时间可以解释为足够大的恢复时间的噪声足够大的动态突触的结果。静态突触不能解释这种行为，没有噪声的动态突触也不能。
2010-07-21 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Impact of heavy-tailed synaptic strength distributions on self-sustained activity in networks of spiking neurons
Institute of Physics, Humboldt University（柏林洪堡大学物理研究所）；School of Physics and Astronomy, Yunnan University（云南大学物理与天文学院）；Princeton University（普林斯顿大学）；BCCN, Humboldt University（柏林洪堡大学神经中心）
研究通过随机耦合二次积分-舍入神经元分析自持活动状态，发现Cauchy耦合下存在定向渗透阈值，而Gaussian耦合网络在热力学极限下无渗透转变。
2026-03-23 cond-mat.dis-nn
Functional Cliques in Developmentally Correlated Neural Networks
我们考虑一个稀疏的随机网络的兴奋性泄漏整合和消防神经元与短期突触抑制。此外，为了模拟大脑回路在其发展的第一阶段的动力学，我们为每个神经元引入了入度和出度之间的相关性以及兴奋性和相应的总度之间的相关性，我们分析了单个神经元刺激和删除对网络集体动力学的影响。我们发现了一小群能够控制甚至沉默网络突发活动的神经元的存在。这些神经元形成了一个功能集团，因为只有它们以精确的顺序并在特定的时间窗口内激活才能引发群体爆发。
2017-03-12 cond-mat.dis-nn nlin.AO q-bio.NC
Predictive coding in balanced neural networks with noise, chaos and delays
生物神经网络面临着一项艰巨的任务：面对单个神经元内在的随机性、不精确的突触连接性和不可忽略的突触传输延迟，进行可靠的计算。对抗这种生物异质性的常见方法涉及对$N$神经元的大冗余网络进行平均，导致编码错误，其经典地减少为$1/\sqrt{N}$。最近的工作证明了一种新的机制，周期性尖峰网络可以有效地编码动态刺激，实现了超经典的缩放，其中编码错误减少为$1/N$。这种特定的机制涉及两个关键思想：预测编码，以及强前馈输入和强循环反馈之间的紧平衡或抵消。然而，平衡预测编码的功效及其对噪声、突触权重异质性和通信延迟的鲁棒性的理论原理仍然知之甚少。为了发现这样的原则，我们引入了一个易于分析的平衡预测编码模型，其中的平衡程度和权重混乱的程度可以分离，不像以前的平衡网络模型，我们开发了一个平均场理论的编码精度。总的来说，我们的工作提供并解决了一个通用的理论框架，用于解剖神经噪声，突触紊乱，混沌，突触延迟和平衡对预测神经代码保真度的差异贡献，揭示了平衡在实现超经典缩放中发挥的根本作用，并统一了理论神经科学中以前不同的模型。
2020-06-25 cond-mat.dis-nn q-bio.NC stat.ML
Mean-field analysis of a neural network with stochastic STDP
Univ. Bordeaux, CNRS, IMN, UMR 5293（波尔多大学，法国国家科学研究中心，分子与核心理学研究所）；Université Côte d’Azur, Inria, CNRS, LJAD（蔚蓝海岸大学，法国国家信息与自动化研究所，法国国家科学研究中心）；Université Côte d’Azur, Inria（蔚蓝海岸大学，法国国家信息与自动化研究所）
本研究针对具有随机STDP的神经网络，提出MKV-MF平均场分析方法，将原网络简化为McKean-Vlasov型PDMP，降低计算复杂度并实现对瞬态变化的精确追踪。
2026-08-21 cond-mat.dis-nn math.PR physics.bio-ph
Low dimensional dynamics of a sparse balanced synaptic network of quadratic integrate-and-fire neurons
Institute of Continuous Media Mechanics, UB RAS（连续介质力学研究所，乌拉尔分支，俄罗斯科学院）；Perm State University（彼尔姆国立大学）
针对二次积分放电神经元稀疏平衡网络中扩散近似失效的问题，提出基于圆形累积量的双累积量低维约简模型，数值验证其在扩散近似不适用区域仍准确，可用于平衡神经网络理论研究。
2025-10-30 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
An atomic Boltzmann machine capable of on-chip learning
玻尔兹曼机（Boltzmann Machine，BM）是一种由随机放电神经元组成的神经网络，它可以通过调整神经元之间的突触相互作用来学习复杂的概率分布。BM代表了一类非常通用的随机神经网络，可用于数据聚类、生成建模和深度学习。基于软件的随机神经网络的一个主要缺点是所需的Monte Carlo采样，其随着神经元的数量而难以扩展。在这里，我们实现了一个物理实现的BM直接在随机自旋动力学的半导体黑磷表面上的耦合钴原子的门控系综。实施轨道存储器的概念，利用扫描隧道显微镜，我们证明了自下而上的原子系综的随机电流噪声是由一个可重构的多阱能量景观定义的建设。利用黑磷的各向异性行为，我们构建了具有两个分离良好的内在时间尺度的原子系综，代表神经元和突触。通过表征给定突触配置的神经元的条件稳态分布，我们说明了一个合奏可以代表许多不同的概率分布。通过探索内在的突触动力学，我们揭示了一个自主重组的突触响应外部电刺激。这种自适应架构为直接在原子级机器学习硬件中进行片上学习铺平了道路。
2021-09-15 cond-mat.dis-nn cond-mat.mes-hall cond-mat.mtrl-sci
Learning in Associative Networks through Pavlovian Dynamics
本文基于平衡统计力学推导出反映巴甫洛夫机制的神经突触动力学，证明其收敛于Hebbian学习规则，并模拟了睡眠相关的记忆巩固过程。
2024-10-10 cond-mat.dis-nn math-ph math.MP
Kubo-Martin-Schwinger states of Path-structured Flow in Directed Brain Synaptic Networks
Concordia University（麦科德大学）；Inserm U1146（法国国家健康与医学研究院U1146）
本文通过代数量子方法和图代数研究大脑突触网络中路径结构流的动态映射，揭示神经运动神经元在特定温度下的枢纽作用。
2025-12-03 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
A novel compound synapse using probabilistic spin-orbit-torque switching for MTJ based deep neural networks
模拟电子非易失性存储器模仿突触操作正在探索的神经形态计算系统的实现。由随机二进制元素组成的复合突触是模拟记忆突触的替代方案，以实现多级记忆操作。在现有的二进制存储器技术中，基于磁性隧道结（MTJ）的磁性随机存取存储器（MRAM）技术已经成熟到商业化的程度。对于这项工作更重要的是，随机性对于MTJ开关物理是自然的，例如被称为p位的器件，其模仿二进制随机神经元。在这篇文章中，我们实验证明了一种新的复合突触，使用随机自旋轨道力矩（SOT）开关的合奏纳米磁铁，位于一个共享的自旋霍尔效应（SHE）材料通道，即钽。通过使用适当选择的脉冲方案，我们能够证明线性增强和抑郁症的突触，所需的许多神经形态架构。除了这项实验工作之外，我们还在基于SOT-MRAM的784*200*10深度信念网络（DBN）上进行了电路模拟，该网络由基于p位的神经元和复合突触组成。MNIST模式识别被用来评估系统的性能，我们的研究结果表明，识别错误率显着降低时，可以实现使用我们的增量脉冲方案，而不是非线性增强和抑郁症时，采用相同的脉冲。
2019-10-01 cond-mat.dis-nn physics.app-ph
Field Free Spin-Orbit Torque Controlled Synapse and Stochastic Neuron Devices for Spintronic Boltzmann Neural Networks
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
本研究提出无场自旋轨道转矩控制的突触和随机神经元器件，集成于玻尔兹曼机，在MNIST和Fashion MNIST上分别实现98%和86%的识别准确率，推动全自旋电子神经形态硬件发展。
2025-10-07 cond-mat.dis-nn cond-mat.mtrl-sci physics.app-ph
Neural Sampling Machine with Stochastic Synapse allows Brain-like Learning and Inference
University of Notre Dame（圣母大学）；University of California Irvine（加州大学欧文分校）
许多现实世界的关键任务应用程序需要从噪声数据中持续在线学习，并在定义的置信水平下进行实时决策。概率模型和随机神经网络可以显式地处理数据中的不确定性，并允许动态自适应学习，但它们在低功耗基板上的实现仍然是一个挑战。在这里，我们介绍了一种新的硬件结构，实现了一类新的随机NN称为神经采样机，利用突触连接的随机性近似贝叶斯推断。利用新兴材料和器件中原子水平上的固有非线性和随机性，使我们能够捕获生物突触中分子水平上的突触随机性。我们实验证明在硅片上的混合随机突触配对的铁电场效应晶体管为基础的模拟重量细胞与两端随机选择器元件。这样的随机突触可以集成在用于存储器中计算的完善的交叉杆阵列架构内。我们的实验表明，绝缘体和金属状态之间的选择器元件的固有的随机切换引入了一个乘性的随机噪声NSM的突触内的样品的FeFET的电导状态，无论是在学习和推理。我们执行网络级模拟，以突出由NSM的随机突触引入的显著的自动权重归一化功能，该功能为持续在线学习铺平了道路，而无需任何离线批量归一化。我们还展示了贝叶斯推理能力的随机突触在推理模式，从而占数据的不确定性。我们在标准图像分类任务上报告了98.25%的准确率，以及旋转样本中数据不确定性的估计。
2021-02-20 cond-mat.dis-nn cond-mat.mes-hall cs.LG
