Low-latency neuromorphic closed-loop control of hippocampal ripples in vivo
本研究提出了一种全集成的低延迟神经形态框架，该框架利用高能效脉冲神经网络，实时检测并操控清醒小鼠体内的海马涟漪，实现了比传统深度学习方法能耗显著降低的闭环控制。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下你的大脑是一个繁忙且超高速运转的城市，数以十亿计的小型信使在其中奔跑，传递着笔记以保持一切平稳运行。有时，这些信使会进行一种节奏感极强、高速进行的舞蹈，这种舞蹈被称为“振荡”。其中一种最重要的舞蹈发生在被称为海马体的脑区，海马体就像是这座城市的记忆存储图书馆。这些被称为“涟漪”（ripples）的舞蹈非常短暂且极快——仅持续眨眼之间（约30到100毫秒），并以极高的速度运动（每秒100到250次）。科学家们认为，如果我们能在恰当的时机捕捉到这些涟漪并轻轻地引导它们，我们或许就能修复记忆问题或阻止像癫痫这样的脑部疾病。
但问题在于，这些涟漪如此之快，以至于当一台普通计算机注意到它们、计算该做什么并传回信号时，这场舞蹈已经结束了。这就像是用沉重的铅制网去捕捉蜂鸟；当你挥动网时，鸟儿早已飞走了。为了解决这个问题，科学家需要为他们的计算机构建一种新型的“大脑”——一种像生物大脑一样思考、能够无需等待即可对事件做出即时反应的大脑。这被称为“神经形态计算”。这就像是将一辆缓慢沉重的卡车更换为一群微小的、闪电般快速的无人机，它们能在看到涟漪的瞬间就迅速穿梭于城市中，随时准备进行干预。
在这项研究中，一个研究团队正是这样构建了一个系统。他们利用一个名为 SpiNNaker 的特殊芯片创建了一个微型、超高效的数字大脑，该芯片模仿了真实神经元的工作方式。他们教会了这个数字大脑实时识别那些稍纵即逝的海马体涟漪。结果令人印象深刻：他们的这个微型数字大脑仅使用了41个神经元（相比之下，标准的深度学习模型拥有数百万个神经元），却能同样出色地检测出这些涟漪。更棒的是，它消耗的能量减少了多达200倍。
但检测到涟漪仅仅是成功的一半；真正的魔力在于系统如何实际改变涟漪。研究人员将他们的数字大脑连接到了活体小鼠的大脑上。当系统发现一个涟漪时，它会立即触发一个光信号，以温和的方式抑制参与其中的脑细胞。在他们的优化模拟中，该系统展示了其潜力，能够在涟acia结束前捕捉并干预高达80%的涟漪。在活体小鼠实验中，虽然系统的速度受限于其初始设置，但它仍然成功地改变了它所检测到的最长涟漪的动力学特征。具体而言，它表现出一种明显的趋势，即降低涟漪的能量并改变其“舞蹈”方式，尽管这种降低在主要分析中尚未达到统计学上的显著性。虽然该系统目前还不完美——它有时会错过涟漪或被背景噪声干扰——但它证明了我们终于可以构建出一个足够快速、能够与大脑进行实时对话的闭环系统。这预示着一个未来：我们可以利用这些微型、高能效的数字大脑，通过在神经系统活动发生的瞬间与其进行交互，来帮助患有神经系统疾病的人群，而不是仅仅在远处观察它们。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。