级联的 CMOS 突触芯片包含一个 32x32 (1024) 个可编程突触的交叉阵列,已被制造为用于完全并行实现神经网络的“构建块”。突触基于混合数模设计,该设计利用片上 7 位数据锁存器来存储量化权重,并利用两象限乘法 DAC 来计算加权输出。突触具有 6 位分辨率,传输特性具有出色的单调性和一致性。已制造了一个包含四个突触芯片的 64 神经元硬件,用于研究反馈网络在优化问题解决中的性能。在本研究中,已在硬件中实现了 7x7 一对一分配网络和 Hop field-Tank 8 城市旅行商问题网络。已证明该网络能够实时获得最佳或接近最佳的解决方案。
急性脑切片制备是研究大脑突触功能特征的有力实验模型。尽管通常在冰冷温度 (CT) 下切割脑组织以方便切片并避免神经元损伤,但暴露于 CT 会导致突触的分子和结构变化。为了解决这些问题,我们研究了在冰冷和生理温度 (PT) 下制备的小鼠急性小脑切片中突触的超微结构和电生理特征。在 CT 下制备的切片中,我们发现脊柱明显丢失和重建、突触小泡重排和突触蛋白减少,而所有这些在 PT 下制备的切片中均未检测到。与这些结构发现一致,在 PT 下制备的切片显示出更高的释放概率。此外,在 PT 下制备允许在切片后立即进行电生理记录,从而与 CT 下相比,运动学习后长期抑郁 (LTD) 的可检测性更高。这些结果表明,在 PT 下切片制备对于研究不同生理条件下的突触功能具有显着优势。
众所周知,大脑中的可塑性电路通过突触整合和突触强度局部调节机制受到突触权重分布的影响。然而,迄今为止设计的大多数人工神经网络训练算法都忽略了刺激依赖性可塑性与局部学习信号之间的复杂相互作用。在这里,我们提出了一种新型的生物启发式人工神经网络和脉冲神经网络优化器,它结合了皮质树突中观察到的突触可塑性的关键原理:GRAPES(调整误差信号传播的组责任)。GRAPES 在网络的每个节点上实施依赖于权重分布的误差信号调制。我们表明,这种生物启发式机制可以显著提高具有前馈、卷积和循环架构的人工神经网络和脉冲神经网络的性能,它可以减轻灾难性遗忘,并且最适合专用硬件实现。总的来说,我们的工作表明,将神经生理学见解与机器智能相结合是提高神经网络性能的关键。
大脑功能依赖于脉冲神经元回路,其中突触在融合传输与记忆存储和处理方面发挥着关键作用。电子技术在模拟神经元和突触方面取得了重要进展,而将大脑和受大脑启发的设备连接起来的脑机接口概念也开始实现。我们报告了大脑和硅脉冲神经元之间的忆阻连接,这些连接模拟了真实突触的传输和可塑性。与金属薄膜氧化钛微电极配对的忆阻器将硅神经元连接到大鼠海马的神经元。忆阻可塑性解释了连接强度的调节,而传输则由通过薄膜氧化物的加权刺激介导,从而产生类似于兴奋性突触后电位的反应。反向大脑到硅的连接是通过微电极-忆阻器对建立的。在此基础上,我们展示了一个三神经元脑硅网络,其中忆阻突触经历由神经元放电率驱动的长期增强或抑制。
。cc-by-nc-nd 4.0国际许可证可永久提供。是作者/资助者,他已授予Medrxiv的许可证,以显示预印本(未通过同行评审证明)预印版本的版权所有者此版本发布于2025年3月11日。 https://doi.org/10.1101/2025.03.10.25323712 doi:medrxiv preprint
摘要环境温度决定了poikilothermic动物的发育速度,但尚不清楚这是否对脑线接线和Func+ON有后果。在视觉系统中,果蝇温度尺度的突触+c连接+vity,但是这种缩放的基本原因,跨神经回路的缩放性的一般性以及func+onal inal ninca+for行为的含量尚不清楚。在这里,我们结合了解剖学,Func+Onal和Theore+Cal方法,以洞悉依赖温度依赖的突触+C缩放的性质和后果。我们表明,突触+c缩放会导致不同的弹性亚电路中的异质弹性+效果,对气味驱动的行为产生了巨大的后果。第一个原则模型对神经系统和生物体的发展施加了不同的代谢约束,解释了这些发现,并概括以预测在生态相关的温度周期下的大脑布线。我们的数据认为,代谢约束决定了神经子电路内突触+c缩放的程度,并且在Synap+C合作伙伴的可用性时,Resul+ng电路架构和func+on con+ngent是con+ngent。突触+C缩放与合作伙伴的可用性之间的这种复杂相互作用强调了温度依赖性发育率+城市对poikilothermothermic动物行为的复杂影响。
研究文章:新研究| NLGN4X的开发磷酸化调节了旋转生成和突触功能https://doi.org/10.1523/eneuro.0278-23.2025收到:2023年8月1日修订:2025年1月29日接受:2025年1月30日接受:2025年1月30日版权所有©2025 copyright©2025 Lehr等。这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章,只要将原始工作正确归因于任何媒介,它允许在任何媒介中进行无限制的使用,分发和复制。
Mitchell G. Miglis,M.D。,1* Charles H. Adler教授,医学博士,2 Elena Antelmi,M.D。4.5 Luca Baldelli,医学博士,6教授Bradley F. Boeve M.D.,7 Matteo Cesari,博士,博士,8 Antonia,M.D. Jean-FrançoisGagnon博士,13 Ziv Gan-Or,M.D。14-16 Wiebke Hermann,医学博士,17.18BirgitHögl教授K.L.Leenders,M.D。,23 Simon J.G.教授 Lewis,M.D.,24 Claudio Liguori,M.D.,M.D. Jun Liu,M.D.,26 Christine Lo,M.D.,19 Kaylena A. Ehgoetz Martens,Ph.D.,27 Jiri Nepozitek,M.D. 31 Michal Rolinski,医学博士,32 Jan Rusz,Ph.D.,33 Ambra Stefani,M.D.,8 Rebekah L. S. Summers博士,博士,34 Dalh Yoo,M.D.,35 Jennifer Ziser,M.D. 21.38Leenders,M.D。,23 Simon J.G.教授Lewis,M.D.,24 Claudio Liguori,M.D.,M.D. Jun Liu,M.D.,26 Christine Lo,M.D.,19 Kaylena A. Ehgoetz Martens,Ph.D.,27 Jiri Nepozitek,M.D. 31 Michal Rolinski,医学博士,32 Jan Rusz,Ph.D.,33 Ambra Stefani,M.D.,8 Rebekah L. S. Summers博士,博士,34 Dalh Yoo,M.D.,35 Jennifer Ziser,M.D. 21.38Lewis,M.D.,24 Claudio Liguori,M.D.,M.D. Jun Liu,M.D.,26 Christine Lo,M.D.,19 Kaylena A. Ehgoetz Martens,Ph.D.,27 Jiri Nepozitek,M.D. 31 Michal Rolinski,医学博士,32 Jan Rusz,Ph.D.,33 Ambra Stefani,M.D.,8 Rebekah L. S. Summers博士,博士,34 Dalh Yoo,M.D.,35 Jennifer Ziser,M.D.21.38
阿尔茨海默氏病的特征是异常的β-淀粉样蛋白和TAU积累,线粒体功能障碍,氧化应激和突触功能障碍。在这里,我们旨在评估胃生育(一种酚类糖苷)对表达人类瑞典突变APP(N2A/APP)的鼠神经母细胞瘤N2A细胞的胃生育作用的机制和信号传导途径。我们发现胃生蛋白增加了突触前SNAP,突触pos蛋白和突触后-PSD95的水平,并降低了N2A/APP细胞中APP和β1-42水平的磷酸化磷酸化Ser396和β1-42水平。胃生素治疗减少了活性氧的产生,脂质过氧化,线粒体碎片和DNA氧化;恢复的线粒体膜电位和细胞内ATP产生。上调的磷酸化 - GSK-3β以及磷酸化和磷酸-JNK的降低参与胃生育的保护作用。总而言之,我们通过改善突触和线粒体功能的损伤,降低tau磷酸化,Aβ1-42水平以及反应性氧种的产生,从而证明了N2A/APP细胞系中胃生育的神经保护作用。这些结果提供了对胃毒素对治疗阿尔茨海默氏病的潜在影响的新机械见解。
鉴于数据量的越来越多,有一个显着的研究重点是硬件,可提供低功耗的高计算性能。值得注意的是,神经形态计算,尤其是在利用基于CMO的硬件时,已经表现出了有希望的研究成果。此外,越来越强调新兴突触设备(例如非挥发性记忆(NVM)),目的是实现增强的能量和面积效率。在这种情况下,我们设计了一个硬件系统,该硬件系统采用了1T1R突触的一种新兴突触。Memristor的操作特性取决于其与晶体管的配置,特别是它是位于晶体管的源(MOS)还是排水口(MOS)。尽管其重要性,但基于Memristor的操作电压的1T1R配置的确定仍然不足以在现有研究中探索。为了实现无缝阵列的扩展,至关重要的是要确保单位单元格适当设计以从初始阶段可靠地操作。因此,对这种关系进行了详细研究,并提出了相应的设计规则。香料模型。使用此模型,确定最佳晶体管选择并随后通过仿真验证。为了证明神经形态计算的学习能力,实现了SNN推理加速器。此实现利用了一个基于在此过程中开发的验证的1T1R模型构建的1T1R数组。使用降低的MNIST数据集评估了精度。结果证明了受大脑功能启发的神经网络操作成功地在高精度而没有错误的硬件中实现。此外,在DNN研究中通常使用的传统ADC和DAC被DPI和LIF神经元取代,从而实现了更紧凑的设计。通过利用DPI电路的低通滤波器效应来进一步稳定该设计,从而有效地降低了噪声。