[論文レビュー] Computational principles of biological memory

Marcus K. Benna, Stefano Fusi|arXiv (Cornell University)|Jul 27, 2015

Neural dynamics and brain function参考文献 32被引用数 14

ひとこと要約

本稿では、速やかで不安定な変数から、遅く安定した変数へと記憶を動的に転送することで、シナプス数にほぼ線形に比例する記憶容量を達成する、双方向的で多時間スケールのシナプスモデルを提案する。従来のモデルが平方根に比例するのに対し、本メカニズムにより、初期記憶の痕跡を強く保ちつつ、強靭で高容量の記憶保存が可能となり、生物学的現象であるメタプラスティシティや間隔効果をも説明できる。

ABSTRACT

Memories are stored, retained, and recollected through complex, coupled processes operating on multiple timescales. To understand the computational principles behind these intricate networks of interactions we construct a broad class of synaptic models that efficiently harnesses biological complexity to preserve numerous memories. The memory capacity scales almost linearly with the number of synapses, which is a substantial improvement over the square root scaling of previous models. This was achieved by combining multiple dynamical processes that initially store memories in fast variables and then progressively transfer them to slower variables. Importantly, the interactions between fast and slow variables are bidirectional. The proposed models are robust to parameter perturbations and can explain several properties of biological memory, including delayed expression of synaptic modifications, metaplasticity, and spacing effects.

研究の動機と目的

• 高可塑性が長期的保持を損なうという、シナプス記憶モデルにおける可塑性と剛性のジレンマを解決すること。
• 初期記憶強度を犠牲にすることなく、高記憶容量を達成するシナプスモデルの開発。
• 一元的な計算フレームワークを通じて、遅延したシナプス修飾、メタプラスティシティ、間隔効果などの生物学的記憶現象を説明すること。
• 速やかで不安定な変数と遅く安定した変数との双方向的相互作用が、記憶の持続時間と容量を顕著に向上させることを示すこと。

提案手法

• 速やかで不安定な変数と遅く安定した変数との間で双方向的結合がなされた、複数の時間スケールで働く生化学的プロセスの段階的連鎖を採用する。
• 記憶は初期に速やかで不安定な変数に格納され、徐々に遅い変数へと転送され、シナプスコンsolidationを模倣する。
• 学習則は、動的な情報再配分を通じて長期的保持を可能にしつつ、強い初期記憶痕跡を維持するように設計されている。
• 符号化レベル（c = f）に比例するバイアス項を有する一般化されたリードアウト機構により、信号対ノイズ比と記憶容量が最適化され、特に空間相関がある場合に顕著である。
• 信号対ノイズ比の計算と、さまざまな符号化レベルおよびネットワークサイズでのシミュレーションを通じて、解析的および数値的妥当性を検証した。
• 理論的分析により、記憶容量がシナプス数にほぼ線形に比例することが示された。これは、従来の平方根比例モデルを上回る性能である。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、強い初期記憶痕跡を保ちながら、高記憶容量を達成できるか？
• RQ2 速やかで不安定な変数と遅く安定した変数との双方向的相互作用が、記憶の持続時間に果たす役割は何か？
• RQ3 本モデルは、シナプス修飾の遅延的発現や間隔効果といった生物学的現象をどのように説明できるか？
• RQ4 現実的な生物学的制約のもとで、記憶容量がシナプス数にほぼ線形に比例するか？
• RQ5 シナプス修飾の空間的相関が記憶容量に与える影響は何か。また、それらはどのように緩和できるか？

主な発見

• 本モデルは、シナプス数にほぼ線形に比例する記憶容量を達成しており、従来の平方根比例モデルに比べ顕著な改善を示す。
• 初期記憶強度は、シナプス数の平方根にほぼ比例するが、長期的保持を損なうことなく、強い痕跡形成が維持される。
• 速やかで不安定な変数と遅く安定した変数との双方向的結合により、記憶痕跡の減衰が著しく遅くなり、記憶の持続時間が延長される。
• バランスの取れたリードアウト（c = f）の使用により、シナプス修飾パターンの空間的相関がもたらす悪影響を回避し、記憶容量が増加する。
• 多時間スケールダイナミクスを通じて、本モデルは、メタプラスティシティ、遅延的シナプス発現、間隔効果といった生物学的現象を強靭に説明できる。
• 信号対ノイズ比の分析により、本モデルの記憶容量が符号化レベル f の逆数に比例して増加することが確認され、f が小さくかつ Nf² が大きくない場合に最適な性能を示す。