8、神经网络建模：从自旋系统类比到记忆机制研究

神经网络建模：从自旋系统类比到记忆机制研究

1. 早期神经元与原子自旋的类比假设

Cragg和Temperley提出了一个有趣的假设，他们认为一组数量为M的神经元可以类比为一组数量同样为M的原子，每个原子具有 ± 1/2的自旋。神经元被视为具有两种状态，这两种状态由动作电位的存在（全部）或缺失（无）来区分，这可能与自旋为1/2的原子的两种独立状态相关，且不存在因其他因素导致的简并。

2. Griffith的质疑

2.1 对类比细节的批评

近十年后，Griffith对Cragg和Temperley的定性类比提出了尖锐批评。他指出，Cragg和Temperley没有详细定义与铁磁材料的关系，以至于人们无法确定在神经系统中宏观磁行为的类比是否真的成立。

2.2 状态转移过程分析

在状态转移过程的终端循环中，Griffith指出存在三种可能的情况：
- 具有概率分布p(So)的平衡状态。
- 两种二分状态，分别标识为S1 => + Su和Su => - SL，其统计情况由概率分布p(S1)和p(S2)描述。

2.3 神经与量子情况的差异

在计算终端循环中接近平衡状态的状态数量时，Griffith指出了神经和量子情况之间的根本差异。从量子力学的角度来看，两个状态s1和s2之间的状态转移概率（由于潜在的势垒势 <!>）在两个方向上是相等的，前提是 <!> 是厄米特的。然而，在神经动力学中，i2 = z(i1)和i1 = z(i2)的可能性非常小，即不存在微观可逆性。微观参数Pl,2只会自然地向p0移动，且后续函数z似乎没有