论文页面 - 几何相变实现极端海马记忆容量

来源: https://huggingface.co/papers/2605.17199

摘要

卓越的空间记忆源于海马群体几何从无序到晶体状态的离散相变，通过拓扑刚性和特定的神经回路动力学实现更高的容量和稳定性。

记忆系统可以在相似的硬件限制下存储数量级差异巨大的信息。在这里，我们表明，卓越的空间记忆源于海马群体几何的离散硬化——从无序到晶体集体编码的相变。比较储藏食物的山雀与不储藏食物的斑胸草雀，我们发现，储藏鸟类的海马维持一种拓扑刚性的“晶体”几何，具有显著更高的几何稳定性（Shesha 0.245 vs 0.166）和接近两倍的时间相干性（Shesha 0.393 vs 0.209），而不储藏鸟类的海马则类似于一种无序的“迷雾”。这种稳定性由协同的回路动力学主动构建：兴奋性神经元形成空间骨架，而抑制性群体贡献正交去相关，这是一种兴奋性与抑制性群体占据几乎不重叠的表征子空间的回路基序。与Valiant的稳定内存分配器（一种预测每个记忆由专用神经元集合编码的模型）的双重分离证实，这种优势反映了连续的拓扑组织而非离散的神经元分配：尽管几何上更优越，储藏鸟类的网络表现出近乎零的分裂半分配可靠性。在1万个配置上的计算建模表明，拓扑刚性是规模化的数学前提：晶体代码在超过M=1k个位置时仍保持高保真读出，而迷雾代码在M=10以下即失效，形成>100倍的容量优势。这种容量需要169倍的表征冗余——一种稳定流形对抗生物噪声的“几何税”。这些结果确立了几何稳定性作为生物记忆的一种候选组织原则：进化并非通过增殖神经元，而是通过设计神经编码本身的几何结构来实现高容量记忆。

查看arXiv页面 (https://arxiv.org/abs/2605.17199) 查看PDF (https://arxiv.org/pdf/2605.17199) GitHub1 (https://github.com/prashantcraju/hippocampal-stability) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.17199)

在您的智能体中获取此论文：

hf papers read 2605.17199

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2605.17199即可从此页面链接。

引用此论文的数据集 0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2605.17199即可从此页面链接。

引用此论文的空间 0

没有空间链接此论文

在空间README.md中引用arxiv.org/abs/2605.17199即可从此页面链接。

包含此论文的收藏 0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 即可从此页面链接。