尤-瑟洛斯初始化

这项研究由伊恩·瑟洛斯（Ian Selosse）和尤忘答二人共同完成，因此被称为尤-瑟洛斯初始化。类脑智能模型并非完全模仿大脑，在宏观层面类脑模型可以跟大脑的结构完全不同，但在一些微型环路或皮质柱的层面通常会与生物的神经系统具有高度相似性。尤-瑟洛斯初始化并非想要一比一地复刻出一个大脑的模型，而是将来自生物的高精度3D脑细胞图谱转换成类脑模型的参数，并在训练类脑模型时，在微观层面上，从具有相似功能或结构的生物模型中采样，作为类脑模型的初始参数。这个过程类似于深度学习中的迁移学习或使用预训练模型，从生物脑中采样而来的参数不是直接拿来用的，而是需要经过进一步的训练。如果使用了不合适的生物模型参数，反而会对训练过程起到负面效果，但如果使用恰当的采样，模型最终的性能远超随机初始化，并且更加稳定。这项技术的核心难点在于从神经元到3D脑细胞图谱再到类脑模型参数的转化。假设对单个神经元使用高分辨率电子显微镜成像，其精细的树突和轴突需要被重构，这样一个完整重构的神经元，其数字化轮廓数据达到GB级别，一个包含数万神经元的皮质柱，其数据量达到PB级别。