跳动城乡网生物大脑，特别是人脑，是一种理想的消耗能源少、运行效率高的计算系统。为了构建同样出色的计算系统，许多神经形态科学家专注于设计旨在模仿大脑难以捉摸的学习机制的硬件组件。
最近，一个研究小组从不同的角度实现了这一目标，重点关注测量信息传输。他们的方法经过了生物学和模拟实验，然后在电子神经形态系统中被证明是有效的。它发表在《智能计算》上。
尽管电子系统尚未完全复制突触和神经元之间的复杂信息传输，但该团队已经证明，可以将生物电路转变为电子电路，同时保持传输的信息量。作者指出：“这代表着向受大脑启发的低功耗人工系统迈出了关键一步。”
为了评估信息传递的效率，团队从信息论中汲取灵感。他们量化了单个神经元突触传递的信息量，然后使用互信息测量信息量，对其分析揭示了输入刺激和神经元反应之间的关系。
首先，研究小组用生物神经元进行了实验。他们使用大鼠的脑切片，记录和分析小脑颗粒细胞的生物回路。然后他们评估了从苔藓纤维神经元到小脑颗粒细胞的突触传递的信息。
苔藓纤维定期受到电尖峰的刺激，以诱导突触可塑性，这是一种基本的生物学特征，突触的信息传递随着神经元的重复活动而不断增强或减弱。
结果表明，互信息值的变化与突触可塑性引起的生物信息传递的变化基本一致。模拟和电子神经形态实验的结果反映了生物学结果。
其次，研究小组用模拟神经元进行了实验。他们应用了由同一研究小组开发的尖峰神经网络模型。尖峰神经网络受到生物神经元功能的启发，被认为是实现高效神经形态计算的一种有前途的方法。
在该模型中，四根苔藓纤维连接到一个小脑颗粒细胞，每个连接都被赋予一个随机权重，这会影响信息传递效率，就像生物电路中的突触可塑性一样。在实验中，研究小组对所有苔藓纤维应用了八种刺激模式，并记录了反应，以评估人工神经网络中的信息传递。
第三，研究小组用电子神经元进行了实验。使用与生物和模拟实验中类似的设置。先前开发的半导体器件充当神经元，四个专门的忆阻器充当突触。
该团队应用了20个脉冲序列来降低电阻值，然后再应用20个脉冲序列来增加电阻值。研究电阻值的变化以评估神经形态系统内的信息传输效率。
除了验证生物神经元、模拟神经元和电子神经元中传递的信息量之外，研究小组还强调了尖峰计时的重要性，据他们观察，尖峰计时与信息传递密切相关。鉴于大多数设备都是采用基于尖峰频率的算法设计的，这一观察结果可能会影响神经形态计算的发展。
