Recentemente, a equipe de pesquisa de Li Guoqi e Xu Bo do Instituto de Automação da Academia Chinesa de Ciências, em colaboração com instituições de pesquisa como a Universidade Tsinghua e a Universidade de Pequim, propôs um método de construção de modelos neurais semelhantes ao cérebro baseado em "complexidade intrínseca". O artigo de pesquisa relevante foi publicado na revista Nature Computational Science.
O estudo demonstrou inicialmente a equivalência das características dinâmicas do modelo LIF e do modelo HH em redes neurais pulsantes, provando que os neurônios HH podem ser equivalentes aos neurônios LIF por meio de quatro parâmetros variantes no tempo de estruturas de conexão específicas. Com base nessa descoberta, a equipe de pesquisa melhorou a complexidade intrínseca das unidades de cálculo através do design de microarquitetura, permitindo que o modelo de rede HH simulasse as características de modelos de rede LIF em maior escala.
Observação da fonte: A imagem foi gerada por IA, fornecida pelo Midjourney.
Além disso, a equipe simplificou o modelo para o modelo s-LIF2HH e, por meio de experimentos de simulação, verificou sua eficácia na captura de comportamentos dinâmicos complexos. Os resultados experimentais mostraram que os modelos de rede HH e s-LIF2HH apresentam desempenho semelhante em termos de capacidade de representação e robustez, enquanto o modelo de rede HH é mais eficiente em termos de consumo de recursos computacionais.
Esta pesquisa fornece novos métodos e suporte teórico para a integração da inteligência artificial nas características dinâmicas complexas da neurociência, e também oferece soluções para a otimização e melhoria do desempenho dos modelos de IA. Atualmente, a equipe de pesquisa já começou a estudar redes HH em maior escala e neurônios mais complexos, esperando melhorar ainda mais a eficiência computacional e a capacidade de processamento de tarefas de grandes modelos, acelerando sua aplicação prática.
Endereço do artigo: https://www.nature.com/articles/s43588-024-00674-9