[論文レビュー] A Representational Model of Grid Cells Based on Matrix Lie Algebras.

Ruiqi Gao, Jianwen Xie+2 more|arXiv (Cornell University)|Jun 18, 2020

Memory and Neural Mechanisms参考文献 31被引用数 4

ひとこと要約

本論文は、自己位置追跡の経路積分計算を実装するため、行列リー代数とその関連するリー群を用いたグリッド細胞の表現モデルを提案する。群表現理論を活用することで、場所細胞の受容野を再構築し、ほぼ完璧な経路積分と誤差補正機能を有するヘキサゴナルグリッドパターンを学習する。

ABSTRACT

The grid cells in the mammalian medial entorhinal cortex exhibit striking hexagon firing patterns when the agent navigates in the open field. It is hypothesized that the grid cells are involved in path integral so that the agent is aware of its self-position by accumulating its self-motion. Assuming the grid cells form a vector representation of self-position, we elucidate a minimally simple recurrent model for path integral, which models the change of the vector representation given the self-motion, and we discern two matrix Lie algebras and their Lie groups that are naturally coupled together. This enables us to connect the path integral model to the dimension reduction model for place cells via group representation theory of harmonic analysis. By reconstructing the kernel functions for place cells, our model learns hexagon grid patterns that characterize the grid cells. The learned model is capable of near perfect path integral, and it is also capable of error correction.

研究の動機と目的

• 自己位置のベクトル表現を用いて経路積分を計算する最小限の再帰的グリッド細胞モデルの構築。
• グリッド細胞ダイナミクスを自然に支える数学的構造—行列リー代数とそのリー群—の同定。
• 調和解析と群表現理論を介して、経路積分メカニズムと場所細胞の次元削減モデルを結びつける。
• ヘキサゴナルグリッドパターンを生成する場所細胞のカーネル関数の再構築。
• モデル内に組み込まれた誤差補正機能を有する高精度な経路積分の達成。

提案手法

• モデルは自己運動入力をもとに自己位置のベクトル表現を更新する再帰的ネットワークアーキテクチャを用いる。
• 自然に結合された2つの行列リー代数とその対応するリー群を特定し、経路積分の幾何的構造を形成する。
• 群表現理論を用いてグリッド細胞モデルと場所細胞の次元削減モデルを結びつける。
• グループ理論的構造から場所細胞のカーネル関数を再構築し、ヘキサゴナルグリッドパターンの出現を可能にする。
• システムは高精度な経路積分と自己補正特性を有するように訓練される。
• 理論的分析により、リー群の代数的構造が誤差補正能力を支持することが確認された。

実験結果

リサーチクエスチョン

• RQ1 最小限の再帰的グリッド細胞モデルは、自己位置のベクトル表現を用いてどのように経路積分を実装できるか？
• RQ2 グリッド細胞ダイナミクスと経路積分を自然に支える幾何的・代数的構造は何か？
• RQ3 群表現理論はどのようにグリッド細胞表現と場所細胞の次元削減モデルを結びつけるか？
• RQ4 モデルはヘキサゴナルグリッドパターンを生成する場所細胞の受容野を再構築できるか？
• RQ5 モデルはどの程度、誤差補正を伴う高精度な経路積分を達成できるか？

主な発見

• モデルは群表現理論を介して場所細胞カーネル関数を再構築することで、ヘキサゴナルグリッドパターンを効果的に学習した。
• システムはほぼ完璧な経路積分性能を達成し、時間経過に伴う自己位置追跡の高精度性を示した。
• モデルは内在的な誤差補正を示し、累積的な運動誤差に対して頑健であることが示唆された。
• 2つの結合された行列リー代数とそのリー群の同定は、グリッド細胞計算の数学的に整合性のある基盤を提供した。
• 理論的分析により、リー群構造が安定的かつ正確な経路積分ダイナミクスを支持することが確認された。
• 調和解析を介してグリッド細胞と場所細胞の表現を統合し、空間走行の統一的フレームワークを提供した。