京都大学等开发出实现爆发性记忆唤起的神经网络，弯曲的统计流形催生新理论
计算材料学
2025-09-20 17:11
文章摘要
背景：复杂系统中的高阶相互作用在生物网络信息表达和人工神经网络性能提升中起关键作用，但缺乏统一理论框架。研究目的：京都大学联合团队提出基于弯曲统计流形的神经网络模型，通过扩展最大熵原理和Renyi熵构建能自然融入高阶相互作用的框架。结论：该模型实现了爆发性记忆唤起、多稳定性及自我调节退火机制，为理解大脑机制和AI设计提供新范式，并通过理论分析与实验验证了精度与容量的可控性。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
A Spike-Accum bioconjugate protein vaccine confers potent SARS-CoV-2-specific immunity
DOI: 10.1016/j.isci.2025.113457
Pub Date : 2025-09-12
A jetted wandering massive black hole candidate in a dwarf galaxy.
DOI: 10.1016/j.scib.2025.09.001
Pub Date : 2025-09-04
Naiavirus: an enveloped giant virus with a pleomorphic, flexible tail.
DOI: 10.1038/s41467-025-63463-6
Pub Date : 2025-09-17
计算材料学
北海道大学开发出基于AI带隙设计的钙钛矿合成新方法.
2025-09-19
最新文章
重磅！2025全球前2%顶尖科学家榜单发布！
19小时前
京公网安备 11010802042870号
