天津大學人工智能學院于強教授團隊聯合國際科研人員，在神經網絡信息處理機制研究中取得重要突破。該研究聚焦于大腦神經網絡的“基本零件”——突觸，首次揭示了其處理時空信息的核心機制。相關成果于11月22日發表于國際著名學術期刊《美國科學院院刊》（PNAS）。

　　人類大腦中，數以億計的神經元以脈沖的形式，通過“突觸”這一連接點傳遞和處理信息。對其工作機制的模擬與計算，是人工智能領域發展的重要啟發源泉。具體而言，突觸具有兩種關鍵的調節能力：一種是“長時可塑性”，即其連接強度可以長期增強或減弱，這被認為是形成長期記憶的基礎；另一種是“短時可塑性”，指的是在極短時間內動態調節信號強度的能力。盡管兩者均至關重要，但它們如何協同工作，共同影響大腦的學習與信息處理效率，一直是未解之謎。

　　針對這一難題，研究團隊通過構建突觸計算與學習理論模型，發現當“長時可塑性”作用于“短時可塑性”時，大腦能夠將時間序列上的信息轉化為空間上的表達模式。這一機制顯著增強了神經網絡的記憶容量、抗干擾能力以及對復雜時空信息的識別能力。該模型還在小鼠與人類大腦皮層突觸電生理觀測中得到了驗證，顯示出高度的生物合理性。

　　圖為神經網絡存儲容量和噪聲魯棒性分析結果。（受訪者供圖）

　　“這項研究就像是我們找到了大腦在處理信息時的‘協作密碼’。”于強比喻道，“它不僅解釋了大腦處理信息的底層邏輯，也為開發可解釋、可通用的下一代人工智能方法提供了重要支撐。”（記者張建新、栗雅婷）