计算神经科学把大脑写成方程

知识地图 › 02 单神经元建模 › 2.1

2.1

漏电整合发放模型(LIF)

Leaky integrate-and-fire

★☆☆ 入门核心模型必备

把神经元压缩成一个会漏电的电容加一个阈值——最简单却最常用的脉冲神经元模型。

核心要点

  1. 亚阈值行为是线性的;越过阈值后被人为替换为"发放 + 重置",因此不产生真实的动作电位波形。
  2. 输入电流需超过 I_th = (V_th − E_L)/R 才开始持续发放,这是 f–I 曲线的起点。
  3. 不应期 t_ref 直接压缩最大放电率,是拟合真实 f–I 曲线的关键参数。

公式

τmdVdt=-(V-EL)+R I(t),

V≥ Vth⇒ V← Vreset

膜电位按时间常数 τm 追随"漏电 + 输入"的平衡值;一旦触及阈值就记一次脉冲并重置。对应的 f–I 曲线为 f = [tref + τm·ln((RI+EL−Vreset)/(RI+EL−Vth))]⁻¹。

仿真

这个知识点有对应的可交互模型:LIF 与 f–I 曲线。参数改动立即重算,右侧读数条给出当前值。

打开仿真实验室 · LIF 与 f–I 曲线 →

直觉

LIF 是"桶模型"的数学化。它能回答"输入多强、多久发一次",但回答不了"为什么阈值是可变的""为什么会有簇发"。

常见误区

用 LIF 研究单细胞机制(适应、簇发、共振、阈下振荡)。LIF 没有通道动力学,这些现象在它里面根本不存在。

出处

  • Gerstner §1.3
  • Burkitt 2006, Biol Cybern(LIF 综述)
回到模块 02