返回
Exploring biological neuronal correlations with quantum generative models
DOI:10.1016/j.xcrp.2025.102682.png)
摘要
En 中文
• 一个量子生成对抗网络(SpiQGAN)生成神经元活动
• 使用较少参数高效地模拟神经元
• 复现真实数据中观察到的时空相关性和爆发模式
Keyword:
quantum machine learning
generative learning
neural coding
spiking activity
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.3
论文数:
2.7K
被引数:
1.2W
机构
引用论文
Inferring single-trial neural population dynamics using sequential auto-encoders使用顺序自动编码器推断单次试验神经种群动力学
NATURE METHODS
IF32.1
Modeling Neuronal Activity with Quantum Generative Adversarial NetworksHernandes, V. 和 Greplova, E. (2023)。《使用量子生成对抗网络建模神经元活动》。2023年IEEE国际量子计算与工程会议(QCE)。第2卷。IEEE,第330-331页。
Training quantum Boltzmann machines with the β-variational quantum eigensolver用 β-变分量子本征求解器训练量子玻尔兹曼机
Time-Dependent Maximum Entropy Model for Populations of Retinal Ganglion CellsDelamare, G. 和 Ferrari, U. (2022)。 “适用于视网膜神经节细胞群体的时间依赖性最大熵模型”。物理科学论坛。第5卷。MDPI, 31。

