單一神經元的功能遠不止於傳遞信號。耶魯大學的一項新研究顯示，個別神經元展現出豐富且計算上複雜的行為，這一發現使得長期以來的假設變得更加複雜，即大腦中的複雜性純粹是網絡層級的特性。
耶魯大學的物理學家伊利亞·內門曼（Ilya Nemenman）通常致力於建模成千上萬的神經元協同活動，但在這項研究中，他轉變了分析視角。內門曼與他的合作者並非專注於羣體動力學，而是檢視單個神經元的獨立行為，而答案並不簡單。該研究利用生物物理建模來描述神經元的內部信號處理能力。神經元能夠在時間上整合輸入信號、過濾噪音，並動態調整其輸出閾值，這些行為在傳統計算神經科學中被歸因於電路，而非個別細胞。
耶魯大學的研究挑戰了傳統神經科學的假設
這一細微差別至關重要，因為大多數理論模型將學習和記憶的計算歸於神經元之間的突觸連接，將每個神經元視為相對被動的中繼器。這項研究挑戰了這一框架。
神經元的結構實際上相當複雜。樹突——細胞的分支輸入結構——並非僅僅像基本算術單元那樣簡單地總和輸入信號。它們在任何信號到達細胞體之前就已經執行局部的非線性計算。嵌入樹突膜中的離子通道會根據電壓變化而開關，有效地充當分子邏輯閘。然後，細胞體整合這些預處理的輸入，並決定是否發放動作電位——一種短暫的全或無的電流脈衝，沿著軸突向下遊細胞傳播。
即使這一發放閾值也並非固定不變。它會根據近期活動進行調整，這一現象稱為脈衝頻率適應，允許單個神經元根據其近期歷史表現出不同的行為。這種時間敏感性意味著單個神經元在原則上可以編碼事件序列的信息，這一功能在計算模型中傳統上是多神經元電路的專屬。這與大腦如何編碼感知的更廣泛問題相關，正如對薛定諤的百年人類色彩感知理論的研究所探討的，細胞層級的感官編碼比早期模型所假設的更為細緻。
神經元的複雜性對神經形態計算的影響
這些發現對神經形態計算具有直接的相關性，這是一種旨在模仿大腦效率的硬件架構。大多數神經形態晶片將神經元建模為整合與發放單元：當超過某一閾值時觸發的簡單累加器。如果個別生物神經元的表達能力遠超過這種抽象，那麼基於簡化神經元模型構建的神經形態系統可能會錯失重要的計算能力。
致力於混合生物與電子系統的研究人員面臨相關挑戰。試圖將活體神經元與電子裝置合併於腦-晶片接口中的努力必須考慮到個別細胞的整體行為，而不僅僅是它們的平均發放速率，以提取有意義的信號或提供精確的刺激。這項研究還引發了對大規模神經模擬的校準問題：如果每個模擬神經元需要更詳細的內部模型來重現生物的真實性，那麼計算成本也隨之上升。在小規模下可接受的近似方法在整個大腦區域的模型中可能會引入系統性誤差。
目前仍不清楚大腦的計算能力有多少存在於個別細胞之內，而不是細胞之間，這是一個未解之謎，可能需要物理學家、生物學家和工程師不斷平行修正他們的模型。