来自海马体空间支架的情景和联想记忆
大脑中的海马回路实现了两种不同的认知功能：构建用于导航的空间地图，以及存储连续的情景记忆.尽管在海马体的空间表示建模方面已经取得了进展，我们缺乏关于它在情景记忆中的作用的良好模型。
在这里，我们提出了一个新皮层-内嗅-海马网络模型，该模型实现了高容量的一般联想记忆、空间记忆和情景记忆。通过从生成纠错稳定状态的动力学中分解内容存储，电路（我们称之为向量海马支架异质关联记忆 （Vector-HaSH））避免了先前记忆模型的内存悬崖，而是在存储的项目数和召回详细信息之间表现出适当的权衡。基于网格单元状态的预结构化内部支架对于构建非空间情景记忆也是必不可少的：它通过将链接问题抽象为学习低维转换之一来实现大容量序列记忆。
Vector-HaSH 再现了几个关于空间映射和基于上下文的表示的海马实验，并提供了记忆运动员使用的“记忆宫殿”的电路模型.因此，这项工作提供了对海马体的空间映射以及联想和情景记忆角色的统一理解。
