多突触神经元模型问世，中国团队打造类脑计算新引擎，登上《自然·通讯》

​​核心突破​​

国防科技大学胡德文团队与中科院自动化所李国齐团队合作，在国际顶级期刊《自然·通讯》发表创新性研究成果——多突触发放（MSF）脉冲神经元模型。这项研究攻克了传统脉冲神经网络（SNN）在时空信息编码上的技术瓶颈，为构建高效能类脑计算系统提供了新范式。

​​技术原理​​

MSF神经元突破性地模拟了生物神经系统的多突触连接特性：

• 单个轴突可在目标神经元建立多个具有不同发放阈值的突触

• 通过独立频率编码与时间编码机制

• 同步处理输入信号的空间强度分布与时间动态特征

​​理论创新​​

1. ​​统一框架​​：证明传统LIF神经元和ReLU激活函数均为MSF的特例

2. ​​训练优化​​：提出突触阈值选择方案与梯度传播准则，解决深层SNN训练难题

3. ​​生物合理性​​：训练后模型突触分布与人类大脑皮层具有相似性

​​性能优势​​

实验验证MSF神经元在多项任务中表现卓越：

• 图像重建：纹理细节保留度提升32%

• 动态识别：事件流数据处理准确率超传统SNN 15%

• 能效比：较传统ANN实现2-3个数量级的能耗降低

​​应用落地​​

研究团队已在国产神经形态芯片成功部署MSF模型：

• 完成自动驾驶场景的事件驱动目标检测

• 验证硬件兼容性与实时处理能力

• 为边缘计算提供高能效解决方案

​​学术价值​​

该研究首次实现：

• 脉冲神经元时空信息的完全解耦编码

• SNN在连续事件流任务中超越同结构ANN

• 理论完备性与工程实用性的统一

​​发展前景​​

研究团队表示将继续探索MSF在：

• 神经形态计算芯片

• 脑机接口

• 强化学习等领域的应用

  相关工作获国家自然科学基金重点项目支持，代码已开源。

论文信息：

Nature Communications | DOI:10.1038/s41467-025-62251-6

代码仓库：https://github.com/fanliangwei/Multisynaptic-spiking-neurons