ApproxBrain：连接组约束神经系统中经认证的充分性前沿

背景。连接组指定了神经系统可用的基质，而非某一给定计算需要其中多少。已报道的紧凑充分回路是点估计：一个子集、一个任务、一个保真度阈值、一种参数化。方法。我们将计算充分性形式化为一个以成本为索引的神经元子集族，其以任务和容差对（允许的退化 epsilon、允许的失败比例 rho）为条件，将任务充分性与表型保真度分离，并在留出的参数抽样上以单侧界认证候选，而非报告单一最小值。我们测量单一回路无法表达的三个量：不可分解性、简并性，以及由干预导出的角色分类。结果。在一个已发布的行走模拟器上，已发表的 148 神经元回路被认证为带裕度充分（在 32 次留出抽样上平均 Dtask = 0.017，无失败），其任何 146 或 147 神经元子集均不充分，且移除其三个中间神经元中的任意一个都会破坏充分性。补集拆分在七个种子中的三个中精确恢复已发表集合，并在五个中达到其规模，评估次数为 66–97 次，而在相同预算下束层级需要 221 个神经元。仅改变任务就会改变需要哪些神经元：我们最佳找到的解分别保留 155 和 149 个神经元，且仅共享 11 个可搜索神经元中的 3 个。放宽容差会揭示替代的充分回路，而仅全中枢神经系统接口在每个重复中都失败，而 93 个搜索选出的神经元给出经认证的解。结论。充分性是集值的，并联合以任务和容差为条件，且没有单一搜索策略在所有情形中占优。前沿只有在其仅接口基线、其容差和其预算的伴随下才可解释。此处每个结果都是相对于模型的。

中文由 AI 翻译，仅供参考，以原文为准。