《基於神經元與突觸可塑性的複雜網路自組織現象研究》是依託北京大學，由任全勝擔任負責人的青年科學基金項目。
基本介紹
- 中文名：基於神經元與突觸可塑性的複雜網路自組織現象研究
- 項目負責人：任全勝
- 項目類別：青年科學基金項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
複雜適應性系統的研究理念是：系統的巨觀狀態與行為，是在以局部適應性規則為基礎的自組織過程中湧現出來的。本項目採用依據時間（相位）因果關係而變化的適應性規則作為網路節點間的連線機制，- - 經典範例是生物神經網路中的STDP突觸可塑性；採用依據特定目標函式（維持內穩態或最大信息功能）而變化的適應性規則為網路節點的動力學進行建模，- - 經典範例是神經元的內在可塑性。以此為切入點，借鑑複雜網路、統計物理學與資訊理論的研究方法，從理論分析與數值仿真兩方面，研究神經元與突觸的可塑性對神經網路結構與動力學互動演化的影響，及對網路中信息傳輸與處理的作用，進而抽象出其一般特點，將之套用在可分析性較強的動力系統與複雜網路中，探索更具普遍意義的規律。本項目屬於複雜網路與計算神經科學的交叉研究，有助於揭示神經元與突觸的可塑性在神經網路演化與功能方面的意義，並有利於複雜網路演化動力學與自組織現象研究的進一步發展。
結題摘要
神經系統中，STDP突觸可塑性和神經元內在可塑性作為局部適應性規則，通過自組織過程可實現神經網路的發育與演化、學習與記憶，及視覺等信息處理套用。我們從理論分析、數值仿真、光電實驗三方面研究了它們對神經網路結構與動力學互動演化的影響，對信息傳輸與處理的作用，及在神經擬態計算中的套用，並將之套用到了可解析的動力系統中。通過數值仿真及統計物理學、資訊理論方面的計算，我們發現：經過STDP學習後的神經擬態電路可具有與C.elegans線蟲神經網路相同的基圖顯著性譜，一定程度上驗證了神經擬態計算機研發邏輯的合理性；STDP的參數空間可分為兩部分，分別對應穩定不動點和振盪極限環兩種模式，後者通過一個超臨界Hopf分岔從前者演化而來，為神經擬態計算特定學習與記憶模式的參數選擇提供了重要的依據；STDP機制導致的突觸數減少可使傳輸的信息量增大，表明其在減少神經形態編碼冗餘度方面是十分高效的；神經元群體的STDP編碼可發掘並增強輸入激勵間的相關特性，表明有效信息被很好保留了，而噪聲得到了消除。通過對納米憶阻器陣列的電路和系統級仿真，我們發現更多高阻態有助於Crossbar納米線結構的信息傳輸，對能耗和路徑串擾問題的解決有重要參考意義；仿真實現了對手寫數字、AER矽基視網膜移動物體運動方向、不同表情的人臉圖片等的分類識別，驗證了憶阻神經擬態系統在視覺等智慧型信息處理方面的可行性與有效性。通過基於飛秒雷射器、半導體光放大器的光電實驗，設計並實現了乘性光學STDP可塑性突觸，它可套用到比生物腦快幾億倍的光子神經擬態系統中，可避免不穩定學習，實現獎勵學習等功能。在Kuramoto耦合極限環網路的研究方面，針對本徵頻率分布、度分布的異質性，研究了類STDP自適應相位耦合機制對異質性消極影響的改善，極大提高了複雜網路的同步性能；將Kuramoto模型引入到一個微分幾何纖維叢結構的底流形上，通過穩定性分析證明了在主流形上所誘導出的新模型具有兩個對稱極性的同步態，連續性極限條件下，可以對稱性破缺方式回歸到傳統模型的單極同步態，並可推廣到其他經典李群如SO(3)群，從信息幾何的角度來研究量子網路的相變問題。本項目採用複雜網路、統計物理學、資訊理論、納米電子器件、超快光信號處理、李群及纖維叢等領域的最新研究方法，在複雜適應性系統及神經擬態計算等前沿領域做出了創新性研究，推動了相關領域的進一步發展。
