PNAS 论文:生物突触可自组装出逼近梯度下降的学习规则
xuanalogue · x · 2026-10-18
Liu Ziyin 等人(含 Tomaso Poggio)在 PNAS 发表论文《How Biological Synapses Self-Assemble Gradient Learning》,提出「自组装学习」(Self-Assembling Learning, SAL)框架,研究学习系统如何从底层相互作用中涌现。
关键点:
- 现有大脑学习模型只解释给定回路如何学习,不解释生物如何组装出这些回路,SAL 旨在填补这一空白。
- 提出 Self-Assembling Motif(SAM):在异突触可塑性规则下,从初始随机连接中涌现;由 SAM 层级组成的网络可自组织出可证明逼近广义随机梯度下降的动力学,达到与反向传播相当的性能。
- 结论:生物学习不必被预先设计,而可以在远超以往认知的程度上从局部规则中涌现;网络和学习规则本身都可被「学习」。
「研究」频道最新
- GPG 投影的几何结构：马尔可夫链粗粒化新视角的工作进展 — michaelchchoi · 2026-10-18
- 无反向传播预训练提速 2.3 倍,Noise 方法逼近 Dust 纪录 — inductionheads · 2026-10-18
- q3dviewer 开源:像画画一样流畅编辑点群的 Qt+OpenGL 工具 — 4310sy · 2026-10-18
- Smarter Every Day 博主 Destin 将答辩冲击聚变博士论文 — CatAstro_Piyush · 2026-10-18
- 脑植入物让失语者重新开口，Science 长文综述语音 BCI 产业进展 — EricMTrautmann · 2026-10-18
- 曼彻斯特大学发布 LLM 生成代码形式化验证演讲幻灯片 — CatAstro_Piyush · 2026-10-18