論文の概要: Relating Superconducting Optoelectronic Networks to Classical Neurodynamics

• arxiv url: http://arxiv.org/abs/2409.18016v1
• Date: Thu, 26 Sep 2024 16:23:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-28 16:26:02.244403
• Title: Relating Superconducting Optoelectronic Networks to Classical Neurodynamics
• Title（参考訳）: 超伝導光電子ネットワークと古典的神経力学
• Authors: Jeffrey M. Shainline, Bryce A. Primavera, Ryan O'Loughlin,
• Abstract要約: 超伝導ループニューロンの現象論的モデルとして,シナプスとデンドライトを記述したジョセフソン回路方程式を解く必要がなくなる。 いくつかの回路パラメータでは、単一のスパイクに対する下流の樹状反応と、偶然またはスパイクのシーケンスを表現できる。 支配方程式は、漏洩積分体デンドライトと神経細胞をモデル化するための神経科学の文献において、ほぼ同一であることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The circuits comprising superconducting optoelectronic synapses, dendrites, and neurons are described by numerically cumbersome and formally opaque coupled differential equations. Reference 1 showed that a phenomenological model of superconducting loop neurons eliminates the need to solve the Josephson circuit equations that describe synapses and dendrites. The initial goal of the model was to decrease the time required for simulations, yet an additional benefit of the model was increased transparency of the underlying neural circuit operations and conceptual clarity regarding the connection of loop neurons to other physical systems. Whereas the original model simplified the treatment of the Josephson-junction dynamics, essentially by only considering low-pass versions of the dendritic outputs, the model resorted to an awkward treatment of spikes generated by semiconductor transmitter circuits that required explicitly checking for threshold crossings and distinct treatment of time steps wherein somatic threshold is reached. Here we extend that model to simplify the treatment of spikes coming from somas, again making use of the fact that in neural systems the downstream recipients of spike events almost always perform low-pass filtering. We provide comparisons between the first and second phenomenological models, quantifying the accuracy of the additional approximations. We identify regions of circuit parameter space in which the extended model works well and regions where it works poorly. For some circuit parameters it is possible to represent the downstream dendritic response to a single spike as well as coincidences or sequences of spikes, indicating the model is not simply a reduction to rate coding. The governing equations are shown to be nearly identical to those ubiquitous in the neuroscience literature for modeling leaky-integrator dendrites and neurons.
• Abstract（参考訳）: 超伝導光電子シナプス、デンドライト、ニューロンからなる回路は、数値的に不透明で正式に不透明な結合微分方程式によって記述される。 参照1は、超伝導ループニューロンの現象論的モデルにより、シナプスとデンドライトを記述するジョセフソン回路方程式を解く必要がなくなることを示した。 モデルの最初の目標は、シミュレーションに必要な時間を短縮することであったが、このモデルのさらなる利点は、基礎となる神経回路操作の透明性を高め、ループニューロンと他の物理系との接続に関する概念的明瞭さを高めたことである。 元々のモデルはジョセフソン接合ダイナミクスの処理を単純化したが、基本的にはデンドライト出力の低パスバージョンのみを考慮することで、半導体送信回路が生成したスパイクの扱いに頼り、しきい値交差を明示的にチェックし、ソマティックしきい値に達する時間ステップを個別に処理する必要があった。 ここでは、このモデルを拡張して、ソマからのスパイク処理を単純化し、また、ニューラルネットワークにおいて、スパイクイベントの下流受信者が常にローパスフィルタリングを行うという事実を活用する。 本稿では,第1および第2の現象モデルの比較を行い,追加近似の精度を定量化する。 拡張されたモデルがうまく機能する回路パラメータ空間の領域と、それがうまく機能しない領域を同定する。 いくつかの回路パラメータでは、単一のスパイクに対する下流の樹状反応と、スパイクの一致やシーケンスを表現することが可能であり、モデルが単にレートコーディングの縮小であることを示している。 支配方程式は、漏洩積分体デンドライトと神経細胞をモデル化するための神経科学の文献において、ほぼ同一であることが示されている。

関連論文リスト

• On the Trade-off Between Efficiency and Precision of Neural Abstraction [62.046646433536104]
  ニューラル抽象化は、最近、複雑な非線形力学モデルの形式近似として導入されている。 我々は形式的帰納的合成法を用いて、これらのセマンティクスを用いた動的モデルをもたらすニューラル抽象化を生成する。
  論文  参考訳（メタデータ） (2023-07-28T13:22:32Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• A Bio-Inspired Chaos Sensor Model Based on the Perceptron Neural Network: Machine Learning Concept and Application for Computational Neuro-Science [0.0]
  本研究では,神経力学系におけるスパイクトレインのエントロピー推定のための知覚神経ネットワークに基づくバイオインスパイアされたカオスセンサモデルを提案する。 このモデルはスパイク信号のカオス的挙動を動的に追跡し、この情報を神経力学モデルの他の部分に送信してさらなる処理を行うことができる。
  論文  参考訳（メタデータ） (2023-06-03T03:36:47Z)
• Phenomenological Model of Superconducting Optoelectronic Loop Neurons [0.0]
  超伝導光電子ループニューロン(英: Superconducting optoelectronic loop neurons)は、大規模人工認知のためのネットワークに導かれる回路の一種である。 これまで、ループニューロンの全てのシミュレーションは、シナプス、デンドライト、ニューロンの挙動をモデル化するために第一原理回路解析を用いてきた。 ここでは、関連するシナプス、樹状突起、神経回路の挙動を捉えるためのモデリングフレームワークを紹介する。
  論文  参考訳（メタデータ） (2022-10-18T16:38:35Z)
• Spiking neural network for nonlinear regression [68.8204255655161]
  スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。 彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。 スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-06T13:04:45Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• Recurrent networks improve neural response prediction and provide insights into underlying cortical circuits [3.340380180141713]
  CNNモデルは、初期の視覚皮質ニューロンの自然画像に対する単一ニューロンの反応を予測する最先端モデルとして証明されている。 我々はこれらのモデルを反復的な畳み込み層で拡張し、よく知られた大脳皮質の大規模な再発を反映する。 V1ニューロンで見られるような時間的応答ダイナミクスと古典的文脈変調を,長期にわたる広視野画像提示のトレーニングにおいて,適切なモデルの繰り返し回路に隠された単位が示されることが判明した。
  論文  参考訳（メタデータ） (2021-10-02T15:46:56Z)
• Training Feedback Spiking Neural Networks by Implicit Differentiation on the Equilibrium State [66.2457134675891]
  スパイキングニューラルネットワーク(英: Spiking Neural Network、SNN)は、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする脳にインスパイアされたモデルである。 既存のほとんどの手法は、人工ニューラルネットワークのバックプロパゲーションフレームワークとフィードフォワードアーキテクチャを模倣している。 本稿では,フォワード計算の正逆性に依存しない新しいトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T07:46:54Z)
• Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
  一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。 線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。 提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:55:47Z)
• Dissipative Rabi model in the dispersive regime [0.0]
  本稿では, 発散ラビモデルの分散状態について, 基礎となるハミルトニアンの回転波近似を取らずに検討する。 結果は、以前の理論では存在せず、新しい種類の駆動誘起量子ビットの散逸と減退を予測した。
  論文  参考訳（メタデータ） (2020-04-06T09:45:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。