[Paper] 대규모 희소 네트워크에서 이벤트 기반 적격성 전파: 생물학적 현실성에 의해 형성된 효율성

Source: arXiv - 2511.21674v1

Overview

놀라운 기술적 진보에도 불구하고, AI 시스템은 여전히 재발 연결성 및 에너지 효율 메커니즘과 같은 생물학적 원칙으로부터 이점을 얻을 수 있습니다. 뇌에서 영감을 받아, 우리는 재발 스파이킹 네트워크를 위한 eligibility propagation (e‑prop) 학습 규칙의 생물학적으로 타당한 확장을 제시합니다. 시간 기반 업데이트 방식을 이벤트 기반 방식으로 변환함으로써, 우리는 학습 규칙을 대규모 스파이킹 신경망 시뮬레이션 플랫폼에 통합하고, 신경형태 MNIST와 같은 과제에 적용 가능함을 입증합니다. 우리는 연속적인 동역학 및 가중치 업데이트, 엄격한 지역성, 희소 연결성 등 주요 생물학적 특징을 모델에 추가합니다. 우리의 결과는 생물학적 제약이 계산 효율적인 AI 알고리즘 설계에 정보를 제공할 수 있음을 보여주며, 학습 성능을 손상시키지 않으면서 수백만 개의 뉴런으로 확장 가능함을 시사합니다. 이 연구는 머신러닝과 계산신경과학을 연결하여 지속 가능한, 생물학적 영감을 받은 AI 시스템의 길을 열고, 뇌와 유사한 학습에 대한 이해를 진전시킵니다.

Authors

• Agnes Korcsak‑Gorzo
• Jesús A. Espinoza Valverde
• Jonas Stapmanns
• Hans Ekkehard Plesser
• David Dahmen
• Matthias Bolten
• Sacha J. van Albada
• Markus Diesmann

Paper Information

• arXiv ID: 2511.21674v1
• Categories: cs.NE, q-bio.NC
• Published: November 27, 2025
• PDF: Download PDF