PAIMM派米星球漏电，让过去慢慢退场。
没有输入时，电位趋向漏电反转电位。输入之间的时间间隔，影响前一次的变化还剩多少。
THE NEURON'S LAST VOTE / 信号选择剧场
神经元的
最后一票。
暖色的输入抵达。冷色的输入也抵达。
它们没有立场，却共同改变了一个问题：
这个神经元，会不会放电？
六次选择。没有道德评分。
每一次，亲眼看见输入怎样改变模型的膜电位。
AI 神经元概念雕塑。颜色只是界面约定，不代表真实神经组织发光。
— 个模型放电事件
等待一个选择
绿色：实际计算的膜电位。虚线：−50 mV 模型阈值。橙线：跨过阈值时记录的放电事件。曲线复位不模拟真实动作电位的尖峰形状。
可以在同一关选择另一项，直接比较；当前路径记录最后选择。运行结果只留在本页，不上传。
你走过的，是一条输入路径。
幕后 / 输入是怎样投下这一票的？不是数一数赞成票，
不是数一数赞成票，
而是算一算电流。
突触输入可改变膜上的电导。当前膜电位与通道反转电位的差，决定该电导对电流的贡献。在多个输入同时作用时，贡献一起进入膜电位的变化。
反转电位不是阈值。前者描述一种通道的净电流为零的位置；后者是本模型用来记录放电事件的界限。
图中粒子是通信隐喻，不是递质种类或浓度的测量。
分流，改变输入的影响。
增加电导会降低有效膜电阻，缩短时间常数。一个使静息电位去极化的通道，也可能让同时来的兴奋输入更难越过阈值。
阈值，是简化的决定。
达到 −50 mV 就记录事件、复位并短暂不应。真实动作电位涉及离子通道动力学；这张曲线没有建模那些细节。
这条曲线，如何算出来？
C · dV/dt = gL(EL − V) + gE(EE − V) + gI(EI − V)
所有输入共同拉动膜电位，作用大小与电导、反转电位和当前电位有关。两次输入即使都有「兴奋性」标签，时机、强度和背景电导不同，结果也可以不同。
查看全部假设和参数
单区室电导型漏电整合放电模型。C = 100 pF；gL = 5 nS；EL = −65 mV；EE = 0 mV；默认 EI = −75 mV；阈值 −50 mV，复位 −65 mV，不应期 2 ms。步长 0.5 ms，观察 0–120 ms。分段恒定输入在每个步长内使用指数更新；按步长记录阈值越过。
不含树突空间、离子浓度动态、真实尖峰波形、适应、突触可塑性、网络反馈和噪声。参数为教学场景，不能用来预测真人神经元、GABA 的发育效应、疾病或药物反应。变量名 gI 仅沿用模型约定，效应必须结合 EI 判断。
把故事接回神经科学。
- Gerstner 等 · Neuronal Dynamics · 1.3（专业教材），漏电整合放电模型；1.4讨论它的能力与限制。
- Neuronal Dynamics · 3.1（专业教材），突触电导与反转电位。本页未使用教材的全部突触时间动力学。
- Purves 等 · Neuroscience · 兴奋与抑制（专业教材），判断输入效应不能只看静息电位附近的去极化或超极化。
- Paulus & Rothwell（2016）膜电阻与分流抑制综述，解释电导、分流及电流方向。本页参数是教学示例，未复现文中的实验。
01 进入情境→02 亲手尝试→03 看见结果→04 理解机制
输入抵达，电位开始改变
把两束信号送进一个模型神经元，看它是否跨过放电阈值。六次选择里，换个时间、换个电导，同样的输入也可能有不同结局。
它怎样工作
单区室电导型漏电整合放电模型共同计算漏电与输入电流；电导、反转电位和时序决定电位轨迹。
这次体验的边界
参数为教学示例，阈值越过只记录模型事件；不还原真实动作电位、树突空间或疾病与药物反应。