本稿では、スパイキングニューラルネットワーク（SNN）のための新しいトレーニング手法「StochEP」を提案しています。従来の手法は、生物学的に妥当ではない部分がありますが、Equilibrium Propagation（EP）を用いることでより生物学的に適応したトレーニングが可能です。しかし、既存のEP手法は、決定論的なニューロンに依存しており、スパイキング動態の不連続性を扱うために複雑なメカニズムが必要です。提案されているStochEPは、確率的なスパイキングニューロンをEPパラダイムに統合したもので、最適化を滑らかにし、トレーニングを安定させ、スパイキング収束再帰ニューラルネットワークにおいてスケーラブルな学習を可能にします。この手法は、SNNとEPによる非スパイキングCRNNの間の性能ギャップを縮めつつ、局所性を保つことができるため、神経形態学的およびオンチップ学習における有望な方向性を示しています。