神经元突触聚类如何影响学习？计算模型揭示因果机制

KordingLab · x · 2026-08-01

一项预印本研究探讨了功能性突触聚类（FSCs）在学习中的因果作用。研究引入了一种具有分层树突段和稀疏突触的人工神经网络架构 Dendrinet，并在置换协方差分类（PCC）任务上对其进行训练。

实验发现，网络在解决任务时会自然发展出兴奋性和抑制性的突触聚类。如果关闭树突的非线性特性，网络性能会下降并减少兴奋性聚类；而打乱学习到的突触连接则会彻底破坏网络的表现。这从计算模型角度证实了特定突触空间布局对神经元信息处理的必要性。