積分發放模型

積分發放模型是對單個神經元（一種神經細胞）刻意做的極度簡化的卡通描繪，它只抓住了一個核心把戲：神經元會悄悄把從鄰居那裡收到的一個個微小電流推動累加起來，一旦這個累加的總量越過一條固定的界線——也就是閾值——它就發放出一個尖銳的脈衝，然後歸零、重新開始。想像一隻放在幾個滴水龍頭下面的水桶。每一滴水都是一個傳入訊號；水位就是細胞的電荷，也就是電壓。水桶慢慢蓄水時什麼都不會發生，但水位一碰到桶沿那條標記線的瞬間，水桶就翻倒、把水全部倒空（那一潑就是神經元的峰電位），隨後空著落回原位，重新開始蓄水。

真實的神經元複雜得驚人，有成千上萬個微小的孔道和泵在把帶電粒子搬進搬出細胞。積分發放模型故意把這些幾乎全部丟掉。它根本不去重現那個電脈衝的具體形狀，只追蹤電壓朝閾值緩慢攀升的過程，並把每一次發放都當成一模一樣、瞬間完成的小爆點。在流行的「漏」式版本裡，水桶底部還有一個小孔，所以如果水滴停了，水位就會慢慢漏回去——這是一種巧妙的說法，表示如果沒有新的推動不斷到來，神經元就會忘掉舊的推動。這就是它常被稱為漏積分發放模型（英文縮寫 LIF）的原因。

如此簡化的回報就是速度和清晰。由於這條規則計算起來極其廉價，科學家可以把成千上萬乃至上百萬個這樣的玩具神經元連成網路，去觀察一陣陣發放如何在一條迴路裡層層盪開，而不必淹沒在任何單個細胞的生化細節裡。它不會告訴你某個具體神經元如何運作的全部，但在理論與計算神經科學中，要追問峰電位的時序和節奏如何在一大群細胞之間攜帶資訊，它是最有用的出發點之一。