第305章 脉冲的诞生

“神威之心-超导版”

的控制中心里，气氛紧张而又充满了期待。

在过去的数周时间里，这台庞大的计算机器几乎将一半的内核算力，都投入到了对那500tb小白鼠神经元原始数据的分析之中。

徐涛、高翔、索菲亚，以及丰院士团队的李哲等人，几乎是全天候地驻扎在这里。

他们的目标只有一个：从那片看似混沌的信号海洋中，为神经“噪声”

创建一个精确的数学模型。

今天，就是检验他们成果的时刻。

“所有数据分析完毕。”

索菲亚的声音在安静的控制中心里响起，她的指尖在键盘上轻快地敲击着，调出最终的分析报告，“高博士的预测是完全正确的。

。”

“此外，我们计算了信号的赫斯特指数（hurstexpo），得到的值大约在075左右，显著大于05。”

高翔在一旁补充道，“这明确地证明了，这个随机过程具有长程正相关性，也就是我们之前讨论的‘记忆性’。

它不是白噪声。”

这些冰冷的数据和术语，对于在场的生物学家和计算机科学家来说，却象是最动听的音乐。

它们无可辩驳地证明了，神经元的“噪声”

，并非完全的混沌，而是遵循着一种深刻的、具有分形特征的数学规律。

“所以，我们的第一步，从‘画象’到‘模型’，已经完成了。”

徐涛的目光扫过在场的每一个人，脸上带着自信的笑容，“我们已经成功地为小白鼠神经元的‘噪声’数据，创建了精确的数学模型——一个基于‘分数布朗运动’的随机过程。”

他转向索菲亚：“接下来，就是第二步。

把这个‘数学幽灵’，真正地注入到我们的人工神经元之中。”

这项工作，由徐涛和索菲亚联手负责。

他们没有选择传统的、静态的深度神经网络（dnn）作为基础，而是选择了一个更接近生物神经元工作方式的模型——脉冲神经网络（snn）。

与传统神经网络传递连续的激活值不同，脉冲神经网络中的神经元，通过发送离散的、时间串行上的“脉冲”

来进行信息传递，这与生物神经元的“全或无”

放电特性更为相似。

本章未完，点击下一页继续阅读