[論文レビュー] Library-based Fast Algorithm for Simulating the Hodgkin-Huxley Neuronal Networks

Zhong-qi K. Tian, Douglas Zhou|arXiv (Cornell University)|Jan 17, 2021

Neural dynamics and brain function参考文献 33被引用数 4

ひとこと要約

本論文では、アクションポテンシャルダイナミクスの高解像度データライブラリを事前に計算することで、Hodgkin-Huxleyニューロンネットワークの高速シミュレーションを実現するライブラリベースのアルゴリズムを提案している。この手法により、最大0.354 msの大きな時間ステップが可能となり、標準的なルンゲ・クッタ法と比較して最大10倍の高速化が達成され、スパイク分布やカオス的ダイナミクスといった重要な統計的性質を保持している。

ABSTRACT

We present a modified library-based method for simulating the Hodgkin-Huxley (HH) neuronal networks. By pre-computing a high resolution data library during the interval of an action potential (spike), we can avoid evolving the HH equations during the spike and can use a large time step to raise efficiency. The library method can stably achieve at most 10 times of speedup compared with the regular Runge-Kutta method while capturing most statistical properties of HH neurons like the distribution of spikes which data is widely used in the statistical analysis like transfer entropy and Granger causality. The idea of library method can be easily and successfully applied to other HH-type models like the most prominent extquotedblleft regular spiking extquotedblright , extquotedblleft fast spiking extquotedblright , extquotedblleft intrinsically bursting extquotedblright{} and extquotedblleft low-threshold spike extquotedblright{} types of HH models.

研究の動機と目的

• アクションポテンシャル中に生じる剛性（stiffness）のため、標準的なルンゲ・クッタ法によるHodgkin-Huxley（HH）ニューロンネットワークのシミュレーションが計算的に非効率であるという問題に対処すること。
• 大きな時間ステップを用いても、スパイク分布およびネットワークダイナミクスの統計的高精度を維持できる高速シミュレーション手法の開発。
• レギュラースパッキング、ファストスパッキング、イントリンシックにバースティングする、およびロー・スレッショルドスパッキングニューロンを含む、多様なHH型モデルへのライブラリ手法の適用可能性の拡張。
• 特に大きな時間ステップを用いる場合に重要となる、シナプス相互作用の因果関係を反映するために、スパイク-スパイク補正手順を統合してスパイク順序の正確な再構成を保証すること。

提案手法

• 代表的なHHニューロンにおけるアクションポテンシャル（3 ms）中の膜電位およびゲーティング変数の軌道の高解像度データライブラリを事前に計算する。
• HHニューロンをリーク型インテグレートアンドファイア（I&F）モデルとして扱う：膜電位がしきい値を超えると、HH方程式の積分を一時停止し、ライブラリを用いてスパイク後の状態を補間する。
• スパイク非発生期には大きな時間ステップ（最大0.354 ms）を用い、標準的なルンゲ・クッタ法に比べて計算コストを顕著に削減する。
• スパイク発生の開始時の初期状態に基づき、事前に計算されたライブラリから各時間ステップ終了時のニューロン状態を補間することで、剛性方程式の直接積分を回避する。
• 追加の電圧依存性電流（例：IB、LTS、FSタイプ）を有する拡張HH型モデルに対しても、同じライブラリ構築および照合手順を適用する。
• 大きな時間ステップを用いる場合に特に重要となる、時間ステップ内でのスパイクの因果的順序の正確な再構成を保証するため、スパイク-スパイク補正手順を実装する。

実験結果

リサーチクエスチョン

• RQ1 ライブラリベース手法は、Hodgkin-Huxleyニューロンネットワークのシミュレーションにおいて、統計的精度を損なわず、顕著な高速化を達成できるか？
• RQ2 ライブラリ手法は、HH型モデルにおけるスパイク周波数適応、バースティング、カオス的挙動といった重要なダイナミカル特性をどの程度正確に保持できるか？
• RQ3 レギュラースパッキング、ファストスパッキング、イントリンシックにバースティングする、およびロー・スレッショルドスパッキングニューロンを含む、さまざまなニューロンタイプにおいて、ライブラリ手法はどのように性能を発揮するか？
• RQ4 ライブラリ手法で使用可能な最大時間ステップは何か？ これは、スパイク順序および統計的パターンの忠実性を保持する上で重要である。
• RQ5 大きな時間ステップを用いるライブラリ手法において、スパイク順序の正確な再構成を確保するためにスパイク-スパイク補正手順は必須であるか？

主な発見

• ライブラリ手法は、標準的なルンゲ・クッタ法と比較して最大10倍の高速化を達成しながらも、Hodgkin-Huxleyニューロンの統計的性質を保持している。
• スパイク分布および発火率統計の正確な維持が図られ、トランスファーエンタルピーおよびグランジャーカウザリティ分析に必要な長時間シミュレーション（約20分）に適している。
• 最大リャプノフ指数の確認により、カオス的ダイナミクスが正確に捉えられており、複雑な時間的挙動が保持されていることが示された。
• レギュラースパッキング、ファストスパッキング、イントリンシックにバースティングする、およびロー・スレッショルドスパッキングニューロンを含む多様なHH型モデルにおいて、本手法は一貫した高速化と正確性を示し、高いロバストネスを有している。
• 大きな時間ステップを用いる場合に、スパイク順序の正確な再構成を実現するため、スパイク-スパイク補正手順は不可欠である。これは、シナプス相互作用の因果関係を正しく再現する上で重要である。
• ライブラリ補間による追加誤差が存在するにもかかわらず、本手法は元のHHモデルの大部分の統計的およびダイナミカル特性を保持しており、長期的な統計的神経科学的応用に適している。