bioRxiv（Neuroscience）· Hideaki Yamamoto·2026-10-27 08:00· 21 小时前AI 评分36

大鼠皮层神经元培养物在高密度微电极阵列上的生物储备池计算信息编码策略

Information coding strategies in biological reservoir computing for multiclass time-series classification

AI 导读

研究利用培养在高密度微电极阵列上的原代大鼠皮层神经元，比较脉冲幅度调制与潜伏期编码对生物储备池计算性能的影响，发现潜伏期编码在10类语音数字分类任务中性能提升10%。动作电位分类通过增强类别可分性进一步提升分类表现，同时基本保留群体活动的低维结构。结果表明信息编码策略需按任务难度设计。

AI 要点

团队

Hideaki Yamamoto（bioRxiv 预印本，作者单位原文未提及）

主要结果

在 10 类语音数字分类任务中，latency coding 比脉冲幅度调制提升约 10%；spike sorting 提升分类性能与类别可分性。

解决什么问题

探究生物神经网络物理储备池计算中，电输入编码与细胞外读出方式应如何按任务需求设计。

方法

原代大鼠皮层神经元培养于高密度微电极阵列，比较脉冲幅度调制与 latency coding 两种输入编码，并考察 spike detection 方法。

局限

从研究设计看，为体外培养神经元的多类时间序列分类研究，未涉及在体或人体验证。

AI 依据原文整理，未经人工核对。