¿Tiene sentido integrar Spiking Neural Networks (SNN) con snntorch en la Fase 2 del Bucle Cognitivo del CPEA para aumentar la bio-fidelidad en predicción generativa EEG–AGI?
Coherencia neurodinámica El EEG no es una señal estática ni meramente espectral; es una manifestación emergente de poblaciones neuronales que disparan en dinámicas temporales discretas. Las redes tradicionales (MLP, CNN, Transformers) operan en régimen continuo o pseudo-continuo. Las SNN, en cambio: Modelan disparos discretos (spikes). Incorporan dinámica temporal intrínseca (membrane potential, refractory states). Permiten codificación temporal (latency, rate, phase). Esto introduce una correspondencia estructural entre: Dinámica electrofisiológica real ↔ Dinámica computacional del modelo En un proyecto como CPEA, cuyo núcleo es la coherencia predictiva entre señal EEG y sistema generativo AGI, esta simetría estructural no es un detalle técnico, sino una condición de arquitectura. Predictividad y energía informacional Las SNN son particularmente adecuadas cuando: El flujo de datos es secuencial. La información está distribuida en el tiempo. La causalidad lo...