计算神经科学把大脑写成方程

知识地图 › 02 单神经元建模 › 2.3

2.3

指数/二次整合发放(EIF / QIF)

Exponential and quadratic integrate-and-fire

★★☆ 核心模型简化

在阈值附近保留真实的 Na⁺ 激活曲线,用一两个非线性项换取接近 HH 的定量精度。

核心要点

  1. EIF 用指数项模拟 Na⁺ 通道的爆发式开启,能复现 HH 的 f–I 曲线与阈值变异性。
  2. QIF 是 EIF 的二次近似,可通过变量替换严格映射为 θ 神经元(相位模型),是理论分析的入口。
  3. 两者都是"低维但保留兴奋性类型"的折中,适合大规模网络仿真。

公式

τV̇ = -(V-EL)+ΔT e(V-VT)/ΔT + R I

前两项是漏电,指数项模拟阈值附近的 Na⁺ 激活;ΔT 控制阈值的"软硬",ΔT→0 时退化为硬阈值 LIF。

直觉

真实神经元的阈值不是一个点,而是一段"越来越容易触发"的区域。EIF 就是把这层模糊性写进方程。

常见误区

以为 EIF 只是"加了指数的 LIF"。它真正的价值是保留了 type I / type II 兴奋性差异——而这决定了网络能否同步、能否产生低频发放。

出处

  • Fourcaud-Trocmé et al. 2003, J Neurosci
  • Gerstner §4.2
回到模块 02