DavidVivancos/Neuraxon

解決的問題

Neuraxon 2.0 是一個生物啟發的計算框架，旨在克服傳統人工神經網路（ANN）與脈衝神經網路（SNN）的限制，例如離散時間步驟、靜態拓撲結構，以及災難性遺忘。它提供了一種神經生長與計算的藍圖，支援連續即時學習與生物合理性。

工作原理

與傳統感知機不同，Neuraxon 使用三值邏輯（+1 活化，0 中性，-1 抑制），並在連續時間中運作。它實現了一套複雜的生物機制，包括：

• 多時間尺度可塑性：突觸具有三種動態權重（快速、慢速與元），可形成、崩塌或重新連接。
• 神經調控：四種神經調質（DA、5-HT、ACh、NA）與九種受體亞型調節網路活動。
• 統一管道：一個四步流程，包含時間扭曲（ChronoPlasticity）、動態衰減（DSN）、CTSN 補充狀態，以及星狀細胞門控多時間尺度可塑性（AGMP）。
• 結構可塑性：隱藏神經元可死亡，連接可透過 Watts-Strogatz 小世界拓撲重新布線。
• 混合化：與 Aigarth Intelligent Tissue 集成，實現進化突變與選擇。

適用對象

本專案面向神經科學、人工生命領域的研究人員，以及專注於具身機器人控制、即時時間模式辨識與節能類腦硬體開發的 AI 開發者。

亮點

• 連續時間學習：無需分離訓練與推論階段；網路可即時適應串流資料。
• 生物合理性：包含樹突、靜默突觸與穩態調節迴路（MSTH）。
• 三值狀態邏輯：使用比二進位脈衝更細膩的狀態系統。
• 可進化性：透過 Aigarth 混合支援網路結構與參數的群體級進化。
• CUDA 支援：包含 CuNxon CUDA 內核以加速運算。