表达脑状态特异性顶树突放大、隔离与驱动模式的双区室脉冲神经元模型

基于摘要分析。该研究针对经典单区室脉冲神经元模型难以描述顶树突与基底树突／胞体信息整合的问题，提出双区室脉冲神经元模型，旨在为脑状态特异性学习提供计算构件。研究对象是具有生物学启发的单神经元机制，而非 EEG 解码或 BCI 算法。 机制方面，模型借鉴新皮层大型深层锥体神经元的区室分离：顶树突区室与基底树突／胞体周围区室具有不同的输入连接和激活机制。摘要将顶树突放大、隔离和驱动分别关联于清醒、较深 NREM 睡眠阶段和 REM 睡眠，意在刻画既往及上下文知识与当前输入证据之间的整合。相关动物行为实验是研究动机，不应视为本文模型本身的验证结果。 方法方面，模型在最高抽象层采用分段线性传递函数 ThetaPlanes；作者以一组适应度函数引导进化算法，选择能够表达目标顶树突机制的神经元参数。相对于单区室模型，其主要方法差异是显式区分两个区室及其信息整合机制。摘要未给出传递函数表达式、区室动力学、适应度函数定义或参数搜索设置，这些内容尚未验证。 作者报告，参数选择可得到表达所需顶树突机制的神经元，并将该抽象形式定位为适用于大规模生物启发人工智能系统的构件。摘要未提供定量拟合、学习任务指标或规模测试结果，因此不能据此确认学习性能提升或大规模运行效率。实验协议、消融及统计信息尚未验证；复现需进一步核对模型方程、脑状态切换条件、参数与实现。材料不支持其对 EEG／BCI 的直接有效性，相关工作尚未检索确认。