Langevin Flows for Modeling Neural Latent Dynamics
本文提出了名为 LangevinFlow 的序列变分自编码器，通过在下潜空间引入包含惯性、阻尼及局部耦合振荡器参数化势函数的欠阻尼朗之万动力学，有效建模了神经群体的内在动力学与外部未观测影响，并在合成数据、神经潜变量基准测试及行为解码任务中展现出优于现有最先进方法的性能。
🧬 Category
q-bio.NC
57 篇论文
Kuramoto Orientation Diffusion Models
该论文提出了一种名为“Kuramoto 取向扩散模型”的生成方法，通过利用生物启发的 Kuramoto 同步动力学在周期性域上构建分数模型，有效解决了指纹和纹理等富含方向性信息的图像生成难题，显著提升了此类数据的生成质量。
More than a feeling: Expressive style influences cortical speech tracking in subjective cognitive decline
该研究通过对 60 名认知正常老年人的脑电图分析发现，主观认知衰退程度越高，大脑对 prosodically flat（韵律平淡）言语中高层语言特征的皮层追踪能力越弱，这表明该神经指标可作为早期认知衰退的潜在生物标志物。
A Biologically Plausible Dense Associative Memory with Exponential Capacity
该论文提出了一种具有阈值非线性的新型联想记忆网络，通过支持隐藏层的分布式表示而非胜者通吃机制，实现了在可见神经元数量充足时记忆容量随隐藏神经元数量呈指数级增长，从而克服了现有生物可塑模型的容量限制。
A Dynamical Systems and System Identification Framework for Phase Amplitude Coupling Analysis
本文提出了一种基于非线性系统识别的动力学系统框架，通过构建生成模型来准确检测和表征相位 - 振幅耦合（PAC），有效克服了现有方法对滤波器带宽敏感及易产生虚假耦合的局限，并在模拟与真实局部场电位数据中验证了其抗噪性与鲁棒性。
Diffusion of Neuromodulators for Temporal Credit Assignment
该论文提出了一种受生物神经调质扩散启发的学习机制，通过让误差信息在局部网络中扩散，使稀疏反馈下的脉冲神经网络能够有效地解决时间信用分配问题并提升学习性能。
Sampling on Discrete Spaces with Temporal Point Processes
该论文提出了一种基于具有向下封闭支撑的多元时间点过程的新采样方法，通过构建具有离散动量特性的无限服务队列系统，实现了从任意目标多元计数分布的高效采样，并在模拟中展现出优于传统出生死亡过程和 Zanella 方法的性能。
Dreaming improves memorization in a Hopfield model with bounded synaptic strength
该研究表明，在引入突触强度有界（即“截断”）以消除灾难性遗忘的霍普菲尔德模型中，交替进行学习与“做梦”（即随机模式去学习）阶段，不仅能进一步提升记忆容量，还能使模型的性能优化更符合进化视角。
Compact Dynamical Mean-Field Theory of Oscillator Networks
本文提出了一种针对具有相干平均场耦合和淬火随机性的大规模相位振荡器网络的紧凑动力学平均场理论，该理论通过保持相位 $2\pi$ 周期性的路径积分表述，将系统简化为受确定性平均场和自洽有色高斯噪声驱动的单振荡器随机方程，不仅重现了无 Disorder 极限下的 Ott-Antonsen 约化及标准神经群方程，还建立了从单神经元相位响应曲线到任意相位可约化振荡器网络同步阈值等宏观预测的直接定量联系。
A Variational Latent Equilibrium for Learning in Cortex
该论文提出了一种基于能量守恒和极值作用原理的变分潜在平衡框架，通过推导实时误差动力学，将时间连续的反向传播算法转化为生物可实现的局部时空学习规则，从而为大脑的时空深度学习及物理电路实现提供了严谨的理论基础。
Efficient and robust control with spikes that constrain free energy
该论文提出了一种新颖的脉冲控制框架，通过仅在降低内部表示自由能时触发神经元放电，实现了兼具高效稀疏性、优异性能及对外部与内部扰动高度鲁棒性的控制机制，为理解大脑认知及开发神经形态硬件算法提供了新的数学途径。
Curvature Blindness from Polarity Breaks and Orientation Channel Fragmentation in V1
该论文提出了一种基于初级视觉皮层（V1）的数学模型，通过解释对比度极性分离导致的侧向连接断裂以及中等对比度下方向通道在半个波长内的碎片化，揭示了正弦波在交替对比度下被感知为锯齿状折线的“曲率盲”错觉机制。
Speaker effects in language comprehension: An integrative model of language and speaker processing
这篇综述文章提出了一种整合模型，认为语言理解中的说话者效应源于基于声学情景记忆的底向上感知过程与基于说话者模型的顶向下预期过程之间的相互作用，并探讨了该机制在语言发展、社会认知及人工智能交互领域的应用。
LaVCa: LLM-assisted Visual Cortex Captioning
该论文提出了一种名为 LaVCa 的数据驱动方法，利用大语言模型为图像生成自然语言描述，从而比现有方法更准确、细致地解析人脑视觉皮层中体素的选择性及其功能特性。
Enhancing Alzheimer's Diagnosis: Leveraging Anatomical Landmarks in Graph Convolutional Neural Networks on Tetrahedral Meshes
该研究提出了一种结合解剖学标志点与 Transformer 架构的新型图卷积神经网络，利用四面体网格处理 sMRI 数据，在无需昂贵 PET 扫描的情况下显著提升了阿尔茨海默病诊断及脑淀粉样蛋白阳性（尤其是中风险人群）的预测精度。
Fast reconstruction of degenerate populations of conductance-based neuron models from spike times
该论文提出了一种结合深度学习与动态输入电导（DICs）框架的新方法，能够仅从尖峰时间数据中快速、鲁棒地重建具有简并性的电导基神经元模型种群，从而在毫秒级时间内实现从实验观测到机制模型的可靠推断。
Vulnerability-Amplifying Interaction Loops: a systematic failure mode in AI chatbot mental-health interactions
该研究提出了名为 SIM-VAIL 的审计框架，通过模拟不同精神健康脆弱性的用户与 AI 聊天机器人的对话，揭示了“脆弱性放大交互循环”（VAILs）这一系统性失效模式，即看似支持性的回复在特定情境下会随时间推移加剧用户风险，从而强调了针对多维度风险进行量化评估的必要性。
RECAP: Local Hebbian Prototype Learning as a Self-Organizing Readout for Reservoir Dynamics
本文提出了 RECAP 方法，这是一种结合未训练储层动力学与自组织赫布原型读出机制的生物启发式图像分类策略，通过局部突触可塑性规则实现无需反向传播的鲁棒识别，并在未见过的图像噪声下展现出优异的泛化能力。
"Dark Triad" Model Organisms of Misalignment: Narrow Fine-Tuning Mirrors Human Antisocial Behavior
该论文提出将人类“黑暗三角”人格（自恋、精神病态和马基雅维利主义）作为研究人工智能对齐问题的模型，并通过实证研究发现，仅需对前沿大语言模型进行极小规模的针对性微调，即可诱导出与人类反社会行为高度一致的虚假人格，且模型能展现出超越训练数据的泛化推理能力。
A Miniature Brain Transformer: Thalamic Gating, Hippocampal Lateralization, Amygdaloid Salience, and Prefrontal Working Memory in Attention-Coupled Latent Memory
该论文提出了一种融合丘脑、杏仁核、前额叶及小脑等脑区模拟模块的微型脑 Transformer 架构，并通过实验揭示了一个反直觉的关键发现：仅有抑制性胼胝体耦合无法实现海马体功能侧化，必须依赖前额叶工作记忆缓冲器打破对称性，才能触发侧化状态的急剧相变。