메뉴
神经动力学通用翻译器方法论。在单细胞、单脉冲分辨率下翻译不同神经模型的动力学，实现跨模型动力学对齐。适用于神经元模型转换、动力学分析、计算神经科学。触发词：神经动力学、模型翻译、脉冲分辨率、神经元模型、neural dynamics、universal translator、single-spike。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/hiyenwong/ai_collection --skill neural-dynamics-universal-translator명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
SOC 직업 분류 기준
SKILL.md 표시 중
| name | neural-dynamics-universal-translator |
| description | 神经动力学通用翻译器方法论。在单细胞、单脉冲分辨率下翻译不同神经模型的动力学，实现跨模型动力学对齐。适用于神经元模型转换、动力学分析、计算神经科学。触发词：神经动力学、模型翻译、脉冲分辨率、神经元模型、neural dynamics、universal translator、single-spike。 |
| user-invocable | true |
构建"通用翻译器"，在单细胞、单脉冲分辨率下对齐不同神经模型的动力学行为。
来源： arXiv:2407.14668 效用： 0.93
import numpy as np
from scipy.optimize import minimize
class NeuralDynamicsTranslator:
"""神经动力学通用翻译器"""
def __init__(self):
# 支持的模型类型
self.models = {
'LIF': self.lif_dynamics,
'Izhikevich': self.izhikevich_dynamics,
'HH': self.hh_dynamics
}
def lif_dynamics(self, params, I):
"""LIF 模型动力学"""
tau_m, v_thresh, v_reset = params
v = -65.0
spikes = []
dt = 0.1
for t, current in enumerate(I):
dv = (-(v + 65) + current) / tau_m
v += dv * dt
if v > v_thresh:
spikes.append(t * dt)
v = v_reset
return np.array(spikes)
def izhikevich_dynamics(self, params, I):
"""Izhikevich 模型动力学"""
a, b, c, d = params
v = -65.0
u = b * v
spikes = []
dt = 0.1
for t, current in enumerate(I):
dv = 0.04*v**2 + 5*v + 140 - u + current
du = a * (b * v - u)
v += dv * dt
u += du * dt
if v >= 30:
spikes.append(t * dt)
v = c
u += d
return np.array(spikes)
def hh_dynamics(self, params, I):
"""简化 Hodgkin-Huxley 模型"""
gNa, gK, gL = params
# 简化实现...
v = -65.0
spikes = []
dt = 0.1
for t, current in enumerate(I):
# HH 方程简化
dv = current - 0.1 * (v + 65)
v += dv * dt
if v > 0:
spikes.append(t * dt)
v = -65.0
return np.array(spikes)
def translate(self, source_model, target_model, source_params, input_current):
"""
翻译动力学：找到目标模型参数使其产生相似的脉冲模式
Parameters:
-----------
source_model : str
源模型名称
target_model : str
目标模型名称
source_params : tuple
源模型参数
input_current : np.ndarray
输入电流
Returns:
--------
target_params : tuple
翻译后的目标模型参数
"""
# 生成源模型的脉冲模式
source_spikes = self.models[source_model](source_params, input_current)
# 定义目标函数：最小化脉冲模式差异
def objective(target_params):
target_spikes = self.models[target_model](target_params, input_current)
return self.spike_distance(source_spikes, target_spikes)
# 优化寻找最佳参数
initial_params = self.get_default_params(target_model)
result = minimize(objective, initial_params, method='Nelder-Mead')
return result.x
def spike_distance(self, spikes1, spikes2):
"""计算两个脉冲序列的距离"""
if len(spikes1) == 0 and len(spikes2) == 0:
return 0.0
# 使用 Victor-Purpura 距离
# 简化实现
return abs(len(spikes1) - len(spikes2)) + np.mean(np.abs(np.diff(spikes1) - np.diff(spikes2))) if len(spikes1) > 1 and len(spikes2) > 1 else 100.0
def get_default_params(self, model):
"""获取模型默认参数"""
defaults = {
'LIF': (20.0, -50.0, -65.0),
'Izhikevich': (0.02, 0.2, -65.0, 8.0),
'HH': (120.0, 36.0, 0.3)
}
return defaults.get(model, (1.0,))
将 LIF 模型参数翻译为 Izhikevich 等效参数。