基于有生物学文献记载机制的λ演算β归约的全脉冲神经网络实现
Fully Spiking Neural Implementation of Lambda-Calculus Beta-Reduction via Biologically Documented Mechanisms
预印本 · 尚未经过同行评审
用LIF神经元与STDP在脉冲动力学中完整实现λ演算β归约,十类验证与符号预言机100%一致。
我们提出了首个完全使用脉冲神经动力学在无类型 $\lambda$-演算中实现 $\beta$-归约的完整方案。归约的每一步——redex 检测、子项切分、变量绑定检测、De~Bruijn 索引算术、记号复制以及步骤间角色维持——均由具有显式膜动力学、指数突触电流、轴突延迟和基于配对的脉冲时序依赖可塑性(STDP)的漏积分放电(LIF)神经元完成。每个神经组件都对应一种具体的、有实验记录的机制:用于 redex 检测的 Jeffress 型延迟线重合;用于子项切分的线吸引子平衡计数器;用于 De~Bruijn 变量绑定的 $\theta$--$\gamma$ 跨频率耦合;用于深度索引算术的相位环行波;用于记号复制的 theta 周期 STDP;以及用于归约步骤间角色维持的循环持续放电。所有突触权重均由测得的 EPSP 幅度解析推导得出;未进行手工调参。该闭环系统在十个验证类别上与符号 oracle 达到 100\,\% 一致,包括 Church 数算术(\textsc{plus}、\textsc{mult}、\textsc{pred})、带发散分支的布尔逻辑、Y-组合子步骤、最多含六个绑定变量出现的项、De~Bruijn 索引高达~12、噪声鲁棒性和确定性。据我们所知,这是首次完全在脉冲动力学内、使用有生物学依据的电路原语完成的图灵完备符号计算。我们讨论了其对神经形态证明助手以及符号推理神经基础的意义。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Neural and Evolutionary Computing · arxiv.org