ニューロモジュレーションに着想を得たゲート付き連想記憶ネットワーク：拡張された記憶検索と創発的な多安定性

科学分野:

• 計算神経科学;ニューロインスパイアードコンピューティング

背景:

• 古典的な自己連想記憶モデルは、神経回路の理解に不可欠ですが、ニューロモジュレーションを無視することがよくあります。;ニューロモジュレーティング剤は、生物学的システムにおける記憶容量と安定性に大きく影響します。

研究 の 目的:

• ニューロモジュレーション様ゲーティングを組み込んだ生物物理学的に動機付けられた連想記憶ネットワークを導入すること。;活動依存性ゲーティングがアトラクター構造と記憶容量にどのように影響するかを調査すること。

主な方法:

• 自己適応型で活動依存性のゲーティングを備えた最小限のネットワークモデルの開発。;解析のために多体系シミュレーションと動力学平均場理論を利用すること。

主要な成果:

• ゲーティングメカニズムは、スピングラス遷移を回避してアトラクター構造を再編成します。;標準的な臨界容量を超えて、堅牢で高オーバーラップな検索が維持されます。;一時的なパターンの残骸が多安定アトラクターに安定化され、記憶容量が増強されます。

結論:

• ニューロモジュレーション様ゲーティングは、ニューラルネットワークにおける連想記憶容量を劇的に向上させます。;このメカニズムは、破滅的な崩壊を排除し、記憶のランドスケープを再形成します。;ニューロモジュレートされた回路とニューロモルフィックアーキテクチャのためのより豊かな記憶ダイナミクスのための経路を提供します。