33、神经网络模拟中的缩放问题与功能动态分析

神经网络模拟中的缩放问题与功能动态分析

1. 缩放问题概述

在进行哺乳动物大脑区域的模拟时，大多数研究人员现有的计算资源无法支持模拟包含与真实网络相同数量的单元。详细模拟大规模网络在现阶段因耗时过长和内存需求过大而不切实际。因此，进行大规模网络模拟时，必须解决将网络规模缩小到较少建模单元的问题。这是一个难题，因为网络的许多功能特性依赖于足够的输入汇聚，以使单个单元产生脉冲。如果在不改变连接概率或连接强度的情况下缩小网络规模，单个单元将永远无法获得足够的突触输入来超过阈值。

1.1 缩放连接概率

为了补偿较小网络中单个单元突触驱动的减少，可以增加连接百分比。大多数抽象模拟采用全连接（单个单元之间兴奋性连接的概率 p = 1），这在联想记忆功能模拟中能有效发挥作用。适度降低连接概率仍可实现网络功能，但当连接概率降至与海马体 CA3 等结构的实际连接水平相当时，联想功能将完全丧失。尽管 CA3 区域的兴奋性内在连接在所有皮质区域中最高，但其连接百分比仅为 4%，而 100 个模拟神经元的网络功能在连接概率低于 20% 时会迅速下降。

1.2 缩放连接强度

另一种补偿单个神经元突触驱动减少的方法是增加单个突触连接的强度。在大多数模拟中，这需要严重偏离现有的单个突触强度的生理数据。大多数模拟会同时增加连接概率和连接强度，以获得足够的活动。如果突触电流的峰值电导保持恒定，在特定网络中，引发该电流的模拟神经元数量可以在几个数量级内变化，而不会改变稳态网络动态。然而，当引发电流的突触数量低于某个值时，动态特性可能会发生显著变化。

2. 功能动态分析

2.1 大规模现实网络功能的影响因素：序列存储示例 <