近年来,人工智能快速发展且与多种应用深度融合。但由于计算模型复杂、海量数据标注困难、计算资源消耗大等问题,导致人工智能无法真正开启“机器智能”新纪元。随着脑科学的深入研究,许多研究学者逐渐意识到类脑智能将是打破人工智能桎梏的重要方式,因此通过模拟脑网络的运行机制来构建类脑智能网络是当下研究的热点。基于此,本文在理解大脑“智能”关键机制的基础上,结合脑科学最新研究成果,对神经环路与信息表征之间的关系进行进一步探究,构建了符合生物机理的动态突触模型,提出一种基于信息流扰动的动态路径选择方法,以刺激信号携带的相位信息作为网络中路径选择机制的调控开关,进而找到最优路径用以表征网络信息。首先,本文依据突触自适应性受突触种类、突触数量、分子或离子浓度等因素的影响,提出一种仿生动态突触模型,并将该模型与FHN神经元模型结合,构建双耦合的神经系统和小世界特性的网络系统,以此深入研究基于动态突触神经系统的随机共振现象,分析重要参数对神经系统响应能力的影响。仿真实验表明:在动态突触的神经系统中,电/化学突触占比、突触强度、突触数量以及网络参数等因素均影响着系统响应能力,且一定存在最优值使得系统响应能力达到最强。本研究结果表明以动态突触构建的神经系统的响应能力相较于单一突触是更稳定的,其更有利于弱信号的检测和传输。其次,本文将基于动态突触构建基元模型及类脑网络模型,通过提取节点对的神经信号在时序上的相位同步特征,深入研究在刺激信息作用下同步放电活动对有效链路的调控作用,进而以节点对之间信息传输能力最大化为目标设计路径选择策略,提出四个指标:1)同步增强指数,2)路径激活指数,3)路径相位偏好指数,4)路径选择指数,将其作为网络中路径选择主要依据。研究结果表明:在时延作用下神经元节点的同相、反相的迁转是构成有效链路的重要方式,且除突触强度、中枢节点数量对同步特性的影响外,刺激信号携带的相位信息对路径选择也有调控作用。经统计结果分析,网络中刺激节点对间的路径都存在着不同相位的偏好性,在构建的20个节点网络中,发现42%的刺激节点对有着较强的相位偏好性,即可以通过信息流携带的相位信息进行路径选择和切换,进而找到具有更优表征信息的路径。通过对动态突触模型的构建和网络中信息流路径选择机制的探索,本文从实验和模型的角度揭示“类脑智能”的潜在机制,为类脑智能如何更优表征信息提供了一种新思路。