脉冲网络把谷氨酸比GABA更贵写进损失：抑制放电被优先压掉，准确率反升8.6个百分点
核心概要
可训练的脉冲神经网络此前把能耗当作与突触类型无关的通用惩罚，而皮层中谷氨酸能传递的ATP开销明显高于GABA能传递。把这一成本不对称作为拉格朗日惩罚嵌入代理梯度训练，在遵循Dale定律的循环微回路上训练后，单一标量惩罚自动对兴奋通路施加更强梯度压力。在Spiking Heidelberg Digits基准上，无惩罚网络收敛到70.9%的抑制主导状态，轻度代谢压力下准确率升至79.5%，同时每样本能耗从86,519 ATP单位降到16,019。
深度剖析
代谢惩罚在脉冲网络里起的是结构正则化作用，而不只是给能耗设上限：轻度压力把网络从抑制主导的低效状态里推出来，准确率和能耗同时改善。 不加惩罚时网络收敛到70.9%的验证准确率，抑制放电率停在每步0.70个脉冲，I→E权重随训练持续增大，群体编码维度偏低。 在固定循环连接密度0.10、16个惩罚强度取值上训练，峰值准确率出现在惩罚强度10^-5处，为79.5%，比无惩罚基线高8.6个百分点；同一工作点每样本能耗从86,519 ATP单位降到16,019，约5.4倍。
惩罚强度继续加大后，网络进入崩溃区，准确率与能耗一起趋近于零，因为循环回路整体停止放电。 在用于二维扫描的拐点惩罚强度5×10^-6处，准确率为78.8%，能耗下降3.5倍，说明高准确率与大幅节能可以同时落在拐点附近。 在惩罚强度10^-3处回路完全静默；信息效率（每ATP比特数）在有效区间内达到峰值，该工作点准确率仍为75.1%。
单一成本不对称还自发产生按通路排序的修剪次序，兴奋性连接最先被消除，抑制性连接抵抗最久。 没有任何通路专属先验，四条循环通路（E→E、E→I、I→E、I→I）连同输入投射和读出层接受同一条梯度规则。 惩罚强度10^-6时E→E已被修剪71.3%，E→I为67.0%，输入为49.9%，而I→E仅修剪23.0%、I→I为54.0%；到10^-3时E→E达100%，I→E为64.0%。
这些结构特征在成本比与结构密度的二维扫描中保持稳定，密度是主要的定量变化轴。 扫描覆盖5个谷氨酸/GABA成本比（1.0至2.0）与15个初始循环密度（0.05至1.0），共75种条件，均固定在惩罚强度5×10^-6。 75种条件下验证准确率在64.9%至79.2%之间，均值74.3%±3.9%；E→E修剪比例始终落在82.2%至92.5%，I→E在38.9%至73.9%之间。
启示与展望
结论来自Spiking Heidelberg Digits这一20类英语与德语语音数字基准上的仿真训练，网络为800个兴奋性与200个抑制性漏积分放电神经元组成的循环微回路，指标取最后5轮、跨3个随机种子的平均。作者提出，把该微回路扩展到含PV、SST、VIP等多种中间神经元亚型的更大网络，或在明确需要去抑制控制的任务上训练，是检验抑制消除是否普遍的下一步。
作者指出，有效区间之外准确率在较窄的惩罚强度范围内陡降，学习率调度、梯度裁剪或自适应惩罚可能平滑这一转变。能量模型是一阶近似，未包含突触囊泡耗竭与回收、星形胶质细胞空间约束以及放电率与氧化ATP需求之间的非线性关系；仅惩罚权重幅度无法清除突触前神经元已沉默的“僵尸突触”，需要加入与活动无关的突触维持成本。训练使用代理梯度的BPTT作为规范优化工具，而非生物学习规则，生物局部规则能否收敛到相同解仍待检验。