天津大学人工智能学院于强教授团队联合国际科研人员，在神经网络信息处理机制研究中取得重要突破。该研究聚焦于大脑神经网络的“基本零件”——突触，首次揭示了其处理时空信息的核心机制。相关成果于11月22日发表于国际著名学术期刊《美国科学院院刊》（PNAS）。
人类大脑中，数以亿计的神经元以脉冲的形式，通过“突触”这一连接点传递和处理信息。对其工作机制的模拟与计算，是人工智能领域发展的重要启发源泉。具体而言，突触具有两种关键的调节能力：一种是“长时可塑性”，即其连接强度可以长期增强或减弱，这被认为是形成长期记忆的基础；另一种是“短时可塑性”，指的是在极短时间内动态调节信号强度的能力。尽管两者均至关重要，但它们如何协同工作，共同影响大脑的学习与信息处理效率，一直是未解之谜。
针对这一难题，研究团队通过构建突触计算与学习理论模型，发现当“长时可塑性”作用于“短时可塑性”时，大脑能够将时间序列上的信息转化为空间上的表达模式。这一机制显著增强了神经网络的记忆容量、抗干扰能力以及对复杂时空信息的识别能力。该模型还在小鼠与人类大脑皮层突触电生理观测中得到了验证，显示出高度的生物合理性。
“这项研究就像是我们找到了大脑在处理信息时的‘协作密码’。”于强比喻道，“它不仅解释了大脑处理信息的底层逻辑，也为开发可解释、可通用的下一代人工智能方法提供了重要支撑。”（记者张建新、栗雅婷）
天津大学人工智能学院于强教授团队联合国际科研人员，在神经网络信息处理机制研究中取得重要突破。该研究聚焦于大脑神经网络的“基本零件”——突触，首次揭示了其处理时空信息的核心机制。相关成果于11月22日发表于国际著名学术期刊《美国科学院院刊》（PNAS）。
人类大脑中，数以亿计的神经元以脉冲的形式，通过“突触”这一连接点传递和处理信息。对其工作机制的模拟与计算，是人工智能领域发展的重要启发源泉。具体而言，突触具有两种关键的调节能力：一种是“长时可塑性”，即其连接强度可以长期增强或减弱，这被认为是形成长期记忆的基础；另一种是“短时可塑性”，指的是在极短时间内动态调节信号强度的能力。尽管两者均至关重要，但它们如何协同工作，共同影响大脑的学习与信息处理效率，一直是未解之谜。
针对这一难题，研究团队通过构建突触计算与学习理论模型，发现当“长时可塑性”作用于“短时可塑性”时，大脑能够将时间序列上的信息转化为空间上的表达模式。这一机制显著增强了神经网络的记忆容量、抗干扰能力以及对复杂时空信息的识别能力。该模型还在小鼠与人类大脑皮层突触电生理观测中得到了验证，显示出高度的生物合理性。
“这项研究就像是我们找到了大脑在处理信息时的‘协作密码’。”于强比喻道，“它不仅解释了大脑处理信息的底层逻辑，也为开发可解释、可通用的下一代人工智能方法提供了重要支撑。”（记者张建新、栗雅婷）
