模拟脉冲神经元为何在时变输入下脉冲时刻更可靠？

恒定电流累积抖动，时变输入将其重置

论文的核心比较，是驱动同一个超低功耗CMOS模拟脉冲神经元的两种方式。该神经元是65 nm工艺下的简化Morris-Lecar设计，供电电压为200 mV。在20 pA的恒定超阈值电流脉冲下，神经元表现为自运行振荡器：它在节点vGK上输出脉冲串，平均脉冲间隔约为32 µs，且相邻脉冲边沿的变异性随脉冲序号增大。

当同一个神经元改由冻结的滤波白高斯噪声电流激励、其恒定分量为5 pA（低于约7 pA的兴奋性阈值）时，放电模式变得不规则，神经元不再自行振荡。在光栅图中，25次展示的试验里几乎所有脉冲时刻都垂直对齐，说明振荡情形下出现的累积抖动基本消失。

论文将此定位为在仿真中复现经典神经科学结果：Bryant与Segundo，以及Mainen与Sejnowski曾报告，某些生物神经元在时变刺激下比在恒定刺激下更可靠地确定脉冲时刻。本文的贡献在于，用基于物理的瞬态噪声仿真而非抽象数学模型，在面向神经形态硬件的CMOS神经元上展示了相同行为。

抖动从首个脉冲起算，而非逐间隔计算

论文对报告的量很谨慎。为消除对初始条件和电路上电阶段的依赖，它研究的是相对首个脉冲的脉冲时刻差：T2 − T1、T3 − T1，依此类推，然后在各次试验上计算n ≥ 2时的Var{Tn − T1}。这就是n周期抖动或累积抖动，与周期抖动不同，后者是单个脉冲间隔的方差。

在振荡区间，两者由一个简单关系联系：Var{Tn − T1} ≈ (n − 1) · Var{T2 − T1}，其中Var{T2 − T1}即周期抖动。代表该关系的橙色直线与仿真结果吻合得很好，作者据此认为累积抖动主要由白色（时间不相关）噪声源主导，对应MOS晶体管的热噪声。

方差由1000次连续试验估计，尽管光栅图中只出现25次试验。从n ≈ 25起出现对线性关系的轻微偏离，作者将其归因于时间相关的1/f噪声。他们还指出，晶体管之间低频噪声幅度的差异使该线性关系的普适性仍存疑问。

噪声来自代工厂晶体管模型，而非手工添加

方法对解读结果很重要。作者使用工业级SPICE瞬态噪声框架NOISETRAN，兼容代工厂晶体管紧凑模型。它在每个MOS晶体管旁并联一个独立的物理噪声源，其强度依赖状态并由代工厂模型给出，在每个时间步生成随机值，然后在时域求解电路的非线性微分代数方程。

这与早期理论研究不同，后者把固定预设强度的白高斯过程加到简化神经元方程上。由于这里的噪声强度取决于晶体管状态，仿真捕捉到了非线性电子器件中噪声源的状态依赖性，作者将其视为文献中缺失的一环。

仿真使用1 ns时间步和500 MHz的晶体管本征噪声带宽。作为数量级检验，作者用√(kT/C)估计平衡态下节点电压上的积分热噪声，取T = 300 K及其早期工作中提取的有效膜电容，得到约0.7 mV的标准差，而膜电压在脉冲运行中从0摆动到接近200 mV。这是略低于1%的典型涨落。

每个脉冲成为离散事件而非相位误差

作者对可靠性差异的解释是机制性的。在振荡区间，神经元反复运行周期，相位误差逐周期累积，因此抖动随脉冲序号增长。在兴奋性区间，神经元静息待命，直到输入涨落把它推过阈值，因此每个脉冲是由状态跃迁产生的离散事件，而不是自由运行时钟的下一次滴答。

论文将此描述为受控状态跃迁机制，并把抖动降低归因于该跃迁的重置作用。作者明确把这一归因标注为自己的推测，并指出对神经元动力学的详细研究留待未来工作。

证据也显示了该机制最薄弱之处。对于所用的特定冻结输入，第4个和第15个脉冲天然更容易出现时刻变异，第2个和第16个脉冲的变异性也较大，只是程度较小。作者认为这些从静息到脉冲的跃迁受电路本征噪声显著影响，类似双稳态存储器中的随机状态跃迁，并在抖动讨论中把第4和第15个脉冲视为离群点。

热力学关系约束振荡区间

论文引入随机热力学不确定性关系，论证振荡区间的可靠性问题不只是工程缺陷。该关系源自与温度T热浴接触的过阻尼时齐马尔可夫过程的局部细致平衡原理，其中正向与时间反演轨迹概率之比由耗散能量除以kT决定。

作者认为该神经元电路属于过阻尼，因为它只包含非线性耗散元件和电容（包括晶体管内部电容），不含电感。在此基础上，不确定性关系被用来凸显振荡或速率编码区间中的可靠性—耗散权衡。

重要边界由作者自己给出：该关系不适用于兴奋性配置，因为那里的脉冲是非平稳过程。他们的解读是，热力学对振荡区间施加的物理限制在兴奋性区间得到缓解，而不是说兴奋性区间已被证明优于某个已证界限。

仿真证据、单一设计，以及未证明的最优性主张

所有结果都来自对65 nm工艺下单一CMOS神经元设计的瞬态噪声仿真，沿用早期模型的确定性参数，包括晶体管尺寸和200 mV供电。论文未报告硅片测量，作者称该工作为初步数值研究。

两种区间的比较也不是同类输入的对比。振荡情形使用恒定的20 pA超阈值脉冲，而时变情形使用冻结的滤波白高斯噪声，其恒定分量为5 pA（低于阈值），标准差为20 pA，滤波时间常数5 µs是相对于CMOS神经元时间尺度选取的，以接近神经科学刺激。冻结输入在各次试验中完全相同，因此尽管由随机过程构建，它实际充当确定性时变信号。

作者进一步提出，一个可能随机的时变输入信号或许是最优控制问题的解，目标是最小化抖动和能耗，但他们将其作为建议而非已证明的结果。热力学不确定性关系同样是被用作振荡区间的解释性视角，而非作为兴奋性区间的预测模型得到验证。

按工作区间而非仅按神经元判断可靠性

本文与决策相关的区分在于同一器件的工作区间，而非器件之间。如果CMOS模拟脉冲神经元由恒定超阈值电流驱动，它表现为振荡器，其累积抖动随脉冲序号近似线性增长，这与白色热噪声主导以及热力学可靠性—耗散权衡一致。如果它被保持在阈值以下并由时变输入驱动，脉冲就成为离散的阈值触发事件，累积抖动基本消失。

这改变了阅读神经形态硬件可靠性主张的方式。针对振荡、速率编码配置给出的抖动数值，不应迁移到同一神经元的兴奋性配置；论文自身的热力学论证也表明，振荡区间的限制不适用于非平稳的兴奋性情形。

最有用的下一步检验也正是论文自身的未决项：作者计划对神经元动力学建模，以验证关于两种脉冲机制的假设并预测潜在的脉冲时刻统计。在此之前，最强的有据陈述是仿真下的区间比较，其中特定冻结输入的第4和第15个脉冲被标记为对本征噪声最敏感的跃迁。

本文引用的文献