---
title: "Synapse Model"
created: 2026-05-15
updated: 2026-05-15
type: concept
tags: [neural-architecture, recurrence, connectivity]
sources: [raw/papers/darlow-ctm-2025.md]
---

# Synapse Model

**Synapse Model** 是 CTM 中的循环互连结构，负责在神经元之间共享信息。

## 定义

```
a_t = f_θ_syn(concat(z_t, o_t)) ∈ R^D
```

其中：
- z_t 是当前神经元后激活状态
- o_t 是上一 tick 的注意力输出（与外部数据的交互结果）
- f_θ_syn 是 U-Net 风格的 MLP（深度为 k，k 为偶数）

## 为什么是 U-Net 风格？

作者发现 U-Net 风格（带跳跃连接的编码器-解码器 MLP）表现最佳，暗示**更深、更灵活的突触计算**有益于信息整合。这与生物突触的复杂性（多种受体类型、短期可塑性、神经递质动力学）形成类比。

## 在 CTM 流程中的位置

```
z_t ─┐
     ├→ Synapse → a_t → NLMs → z_{t+1}
o_t ─┘                        ↓
                          Sync → q_t, y_t → Attention → o_{t+1}
                                                    ↓
                                          concat(z_{t+1}, o_{t+1}) → next tick
```

Synapse 是**神经动力学的引擎**——它将外部信息（通过注意力）和内部状态融合，为每个神经元的 NLM 提供前激活输入。

## 来源

- [[darlow-ctm-2025|CTM 论文]]