DavidVivancos/Neuraxon

何を解決するか

Neuraxon 2.0 は、従来の人工ニューラルネットワーク（ANN）やスパikingニューラルネットワーク（SNN）の制限、たとえば離散的な時間ステップ、固定されたトポロジー、そして災害的忘却を克服するための生物にインスパイアされた計算フレームワークです。これは、連続的なリアルタイム学習と生物学的妥当性を可能にするニューロンの成長と計算のためのブループリントを提供します。

動作方法

古典的なパーセプトロンとは異なり、Neuraxon は三値論理（+1 活性化、0 中立、-1 抑制）を使用し、連続時間で動作します。以下のような生物学的メカニズムの複雑なシステムを実装しています：

• 多時間スケール可塑性：シナプスには3つの動的重み（高速、低速、メタ）があり、形成、崩壊、再接続が可能です。
• ニューモジュレーション：4つのニューモジュレーター（DA、5-HT、ACh、NA）と9つの受容体サブタイプがネットワーク活動を調整します。
• 統一パイプライン：時間歪み（ChronoPlasticity）、動的減衰（DSN）、CTSN補完状態、星状細胞ゲート付き多時間スケール可塑性（AGMP）の4段階プロセス。
• 構造的可塑性：隠れニューロンは死ぬことができ、Watts-Strogatz小世界トポロジーを使用して接続を再構成できます。
• ハイブリダイゼーション：Aigarth Intelligent Tissue との統合により、進化的な突然変異と選択が可能になります。

対象ユーザー

このプロジェクトは、神経科学、人工生命、およびエムベデッドロボット制御、リアルタイム時系列パターン認識、エネルギー効率の高いニューロモルフィックハードウェアの開発に注力するAI開発者や研究者を対象としています。

特徴

• 連続時間学習：訓練と推論のフェーズを分ける必要なし。ストリーミングデータに即座に適応可能。
• 生物学的妥当性：樹状突起、サイレントシナプス、およびホメオスタシス調節ループ（MSTH）を含む。
• 三値状態論理：バイナリスパッキングよりもより洗練された状態システムを使用。
• 進化的可能性：Aigarthハイブリッドにより、ネットワーク構造とパラメータの集団レベルでの進化をサポート。
• Cudaサポート：加速計算用に CuNxon Cuda カーネルを含む。