DavidVivancos/Neuraxon

解决的问题

Neuraxon 2.0 是一个生物启发的计算框架，旨在克服传统人工神经网络（ANN）和脉冲神经网络（SNN）的局限性，例如离散时间步长、静态拓扑结构以及灾难性遗忘。它提供了一种神经生长与计算的蓝图，支持连续实时学习和生物合理性。

工作原理

与经典感知机不同，Neuraxon 使用三值逻辑（+1 兴奋，0 中性，-1 抑制），并在连续时间中运行。它实现了一套复杂的生物机制，包括：

• 多时间尺度可塑性：突触具有三种动态权重（快速、慢速和元），可以形成、坍塌或重新连接。
• 神经调制：四种神经调质（DA、5-HT、ACh、NA）和九种受体亚型调节网络活动。
• 统一管道：一个四步流程，包括时间扭曲（ChronoPlasticity）、动态衰减（DSN）、CTSN 补充状态，以及星形胶质细胞门控多时间尺度可塑性（AGMP）。
• 结构可塑性：隐藏神经元可以死亡，连接可通过 Watts-Strogatz 小世界拓扑重新布线。
• 混合化：与 Aigarth Intelligent Tissue 集成，实现进化突变与选择。

适用对象

本项目面向神经科学、人工生命领域的研究人员，以及专注于具身机器人控制、实时时间模式识别和节能类脑硬件开发的 AI 开发者。

亮点

• 连续时间学习：无需单独的训练和推理阶段；网络可即时适应流式数据。
• 生物合理性：包含树突、静默突触和稳态调节回路（MSTH）。
• 三值状态逻辑：使用比二进制脉冲更精细的状态系统。
• 可进化性：通过 Aigarth 混合支持网络结构和参数的群体级进化。
• CUDA 支持：包含 CuNxon CUDA 内核以加速计算。