- 2 次围观
神经科学中一个重大的悬而未决问题是：新皮层是否使用了与当前人工智能模型相同的强大学习算法，即误差反向传播。实现这一点的一种方式，可能是将其作为时间导数的函数（即神经活动状态随时间变化的差异），而这种时间导数能够较为精确地逼近反向传播的误差梯度。 我们检验了这样一个假设：在一个 200 ms（5 Hz）theta 周期过程中，突触可塑性的方向是突触活动时间导数的函数。利用小鼠海马切片，我们在一个 200 ms 时间窗的两个 100 ms 半周期中，以 25 Hz 或 50 Hz 驱动突触前活动，并结合相应低幅度和高幅度的突触后去极化，测试这两种低、高活动水平所有 2×2 的四种组合，同时测量其对突触效能的影响（通过标准测试刺激所诱发的 EPSP 振幅进行测量）。与该计算假设一致，正的时间导数（由低到高）导致了 LTP（突触强度增加），而负的时间导数（由高到低）导致了 LTD。关键的是，两种无变化条件（在整个 200 ms 内持续稳定的低水平或高水平）均未导致净突触变化，尽管高水平无变化条件具有最高的总体突触活动水平。文中还讨论了可能支持这些结果的生化机制。
神经科学中一个尚未解决的重大问题是：新皮层是否使用与当前人工智能模型相同的强大学习算法——误差反向传播。一种可能的实现方式是通过时间导数发挥作用（即神经活动状态随时间的变化），而这种变化可以较为准确地近似反向传播的误差梯度。
我们检验了这样一个假设：在一个 200 ms（5 Hz）的 θ 周期过程中，突触可塑性的方向取决于突触活动时间导数。利用小鼠海马切片，我们在一个 200 ms 时间窗的两个 100 ms 半周期内，以 25 Hz 或 50 Hz 驱动突触前活动，并结合相应幅度较低或较高的突触后去极化，测试了这些高低活动水平所有 2×2 的四种组合，同时测量其对突触效能的影响（以标准测试刺激所诱发的 EPSP 振幅衡量）。
与该计算假设一致，正的时间导数（低到高）导致了长时程增强（LTP，突触强度增加），而负的时间导数（高到低）则导致长时程抑制（LTD）。关键的是，两种无变化条件（在整个 200 ms 内稳定保持低或高）均未导致净突触变化，尽管高水平无变化条件具有最高的总体突触活动水平。文中还讨论了可能支持这些结果的生化机制。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.05.730489v1?rss=1
🏷️ 突触可塑性 时间导数学习 海马切片 LTP/LTD 误差反向传播 theta节律
来源出处