7.1.3 深度学习框架在神经科学中的应用 (PyTorch/TensorFlow)

文档摘要

7.1.3 深度学习框架在神经科学中的应用 (PyTorch/TensorFlow) 在神经科学的疆域里，我们长久以来面对的是一场静默而宏大的战争：大脑以每秒千万亿次突触电位的规模持续演算，而人类对它的建模能力，却始终困于线性微分方程的边界之内。直到2017年，当Hasson团队在Neuron上首次用LSTM重构猕猴V1区对动态光栅刺激的群体响应轨迹时，一个被反复质疑的命题开始显露出不容回避的锋芒——深度学习框架不是神经科学的“辅助工具”，而是正在成为其新的建模范式本身。这不是比喻，而是技术现实：PyTorch的允许我们自定义反向传播路径，从而将Hodgkin-Huxley方程的离子通道动力学嵌入梯度流；