异质学习框架HIFI：生物启发下更快、更高、更强的神经网络 | NSR

本文介绍了一种名为HIFI的异质学习框架，该框架基于自抑制神经元的概念，旨在提升神经网络的效率和准确性。研究团队在经典的Leaky Integrate-and-Fire模型中引入了自抑制环路，构建了自抑制脉冲神经元，并通过双层嵌套优化的异质学习算法，显著增强了网络的学习和记忆能力。HIFI在多个数据集上展示了卓越的计算性能，处理速度提高最多5倍，准确性最多提高10%，能耗降低最多17.83倍。此外，HIFI在单细胞转录组测序分析中展现了识别罕见细胞类型的能力，为疾病的诊断和治疗提供了新的研究方向。该研究由国家自然科学基金委资助，发表于《国家科学评论》。