[論文レビュー] Brain network organization as the computational architecture of cognition

Takuya Ito, Luke J. Hearne+3 more|arXiv (Cornell University)|Jul 8, 2019

Neural dynamics and brain function参考文献 110被引用数 1

ひとこと要約

本稿は、脳の結合パターンが分散神経活動の流れを通じて認知的表象をどのように計算的に規定するかを説明するネットワーク符号化フレームワークを提案する。結合を介した情報伝達をモデル化することで、側頭顔領域における顔選択性を成功裏に予測し、局所的機能が結合に規定されたダイナミクスから生じることを示している。

ABSTRACT

Understanding neurocognitive computations will require not just localizing cognitive information distributed throughout the brain but also determining how that information got there. We review recent advances in linking (empirical and simulated) brain network organization with cognitive information processing. Building on these advances, we offer a new framework for understanding the role of connectivity in cognition - network coding (encoding/decoding) models. These models utilize connectivity to specify the transfer of information via neural activity flow processes, successfully predicting the formation of cognitive representations (e.g., face selectivity in the fusiform face area). The success of these models supports the possibility that localized neural functions mechanistically emerge (are computed) from distributed activity flow processes that are specified primarily by connectivity patterns.

研究の動機と目的

• 認知的機能が局所的処理にとどまらず、分散神経活動からどのように生じるかを理解すること。
• 実験的脳ネットワーク組織と認知的情報処理メカニズムを橋渡しすること。
• 結合パターンが神経計算をどのように規定するかを説明する計算フレームワークを開発すること。
• 結合性だけで、顔選択性のような認知的表象の形成を予測できるかどうかを検証すること。

提案手法

• 脳の結合パターンによって規定される神経活動の流れを通じて情報伝達をシミュレートするネットワーク符号化モデルを構築する。
• 実験的およびシミュレートされた脳ネットワークデータを用いて、結合が認知的表象の出現にどのように影響するかをマッピングする。
• 符号化／復号化モデルを適用して、側頭顔領域のような領域における機能的特化を予測する。
• 分散神経系における情報伝達ダイナミクスの主な決定要因として結合性に依存する。
• 顔などの刺激に対する観察された神経応答とモデル出力を比較することで、予測を検証する。

実験結果

リサーチクエスチョン

• RQ1 脳における結合パターンが特定の認知的表象をどのように生じさせるのか。
• RQ2 結合に従って制御される分散活動の流れは、局所的神経機能の出現を説明できるか。
• RQ3 ネットワーク符号化モデルは、側頭顔領域における顔選択性をどの程度正確に予測できるか。
• RQ4 脳ネットワークのアーキテクチャは認知的計算をどのように制約または可能にするか。

主な発見

• ネットワーク符号化モデルは、結合パターンのみに依存して側頭顔領域における顔選択性を成功裏に予測した。
• 認知的表象の形成は、局所的計算にとどまらず、結合に規定された情報伝達プロセスによって説明できる。
• 結合に従って誘導される分散神経活動の流れは、機能的に特化した領域を生成できる。
• このフレームワークは、局所的神経機能が結合に規定されたダイナミクスを通じて計算されることを支持する。