Phasor Agents: Dreifaktor-Plastizität und schlafgestütztes Lernen

Neues Forschungspapier aus dem arXiv präsentiert Phasor Agents – dynamische Systeme, deren innerer Zustand aus einem Phasor‑Graphen besteht. Dieser Graph verbindet gewichtete Stuart‑Landau‑Oszillatoren, die als minimaler, stabiler Rhythmusgenerator fungieren. Jeder Oszillator dient als abstraktes Rechenmodul, wobei die Phase die relative Zeitkoordinierung und die Amplitude die lokale Aktivität widerspiegelt.

Die Lernmechanik beruht auf dreifaktorieller lokaler Plastizität: Eligibility‑Spuren werden durch seltene globale Modulatoren gesteuert und in oszillationsgetriebenen Schreibfenstern aktualisiert – ohne Backpropagation. Ein zentrales Problem bei oscillationsbasierten Substraten ist die Stabilität, denn Online‑Gewichtsanpassungen können zu globaler Synchronisation führen und die Repräsentationsvielfalt zerstören.

Um diesem Problem zu begegnen, trennt das Modell die Wach- und Schlafphasen. Inspiriert von synaptischem Tagging und Schlafstadien werden Änderungen erst in einer tiefschlafähnlichen Phase festgehalten, während REM‑ähnliche Replay‑Sitzungen Erfahrungen rekonstruieren und für Planung stören. Experimente mit gezielten Ablationen zeigen, dass Eligibility‑Spuren die Kreditverteilung bei verzögerten Modulationen erhalten, Kompressionssignale Zeitstempel‑Shuffle‑Kontrollen bestehen und phase‑kohärente Abrufungen die Diffusionsbasis um das Vierfache übertreffen.

Die Kombination aus Wake/Sleep‑Trennung und dreifaktorieller Plastizität erhöht die stabile Lernrate um 67 % im Vergleich zu klassischen Online‑Ansätzen. Diese Arbeit liefert damit einen vielversprechenden Ansatz für robuste, biologisch inspiriertes Lernen in oscillationsbasierten Netzwerken.