본 논문은 생물학적 계산과 호환 가능한 효율적인 계획 및 시퀀스 선택 알고리즘을 제시합니다. 기존의 Dijkstra나 A* 알고리즘은 전역 상태와 역추적과 같은 비생물학적인 연산을 필요로 하고, 강화학습은 자연 시스템에서 관찰되는 빠른 행동 적응과 일치하지 않는 느린 기울기 기반 정책 업데이트에 의존합니다. 본 논문에서는 현실적인 처리 지연을 고려한 국소적인 스파이크 기반 메시지 전달을 통해 최단 경로를 계산하는 생물학적으로 타당한 알고리즘을 제안합니다. 이 알고리즘은 최적 경로 상의 노드를 식별하기 위해 스파이크 타이밍 일치를 활용합니다. 예측보다 일찍 억제-흥분 메시지 쌍을 받는 뉴런은 응답 지연을 줄이고, 목표에서 원본으로 역으로 전파되는 시간적 압축을 생성합니다. 무작위 공간 네트워크에 대한 분석적 증명과 시뮬레이션을 통해 알고리즘이 수렴하고 순전히 타이밍 기반 메커니즘을 사용하여 모든 최단 경로를 발견함을 보여줍니다. 단기 타이밍 역학만으로 최단 경로를 계산할 수 있음을 보여줌으로써, 이 연구는 생물학적 네트워크가 순전히 국소적 계산과 상대적 스파이크 시간 예측을 통해 복잡한 계산 문제를 어떻게 해결할 수 있는지에 대한 새로운 통찰력을 제공합니다.
