[論文レビュー] Multifractal Spin-Glass Chaos Projection and Interrelation of Multicultural Music and Brain Signals

E. Can Artun, Ibrahim Keçoğlu+2 more|arXiv (Cornell University)|Jan 25, 2022

Neural Networks and Applications被引用数 6

ひとこと要約

本稿では、断片的階層的格子上の正確な再帰的群解法から導かれる多フラクタルスピンガラスの混沌状態を用いて、複雑性分類スキームを提案する。文化的多様性を持つ音楽と脳のEEG信号の多フラクタルスペクトルを、混沌状態のスピンガラス軌道にフィットさせることで、文化的・神経的背景にかかわらず多様なデータから体系的なパターンが明らかになった。リャプノフ指数は混沌の強度を定量化し、相関係数はスペクトルの良好なフィットを示している。

ABSTRACT

A complexity classification scheme is developed from the fractal spectra of spin-glass chaos and demonstrated with multigeographic multicultural music and brain electroencephalogram signals. Systematic patterns are found to emerge. Chaos under scale change is the essence of spin-glass ordering and can be obtained, continuously tailor-made, from the exact renormalization-group solution of Ising models on frustrated hierarchical lattices. The music pieces are from Turkish music, namely Arabesque, Rap, Pop, Classical, and Western music, namely Blues, Jazz, Pop, Classical. A surprising group defection occurs.

研究の動機と目的

• スピンガラスの混沌の多フラクタルスペクトルに基づく普遍的な複雑性分類スキームの開発を目的とする。
• 文化的多様性を持つ音楽や脳のEEG信号といった多様な複雑系が、スピンガラスの混沌の視点から分析された際に体系的なパターンを示すかどうかを調査すること。
• 実験データ（音楽とEEG）を混沌状態のスピンガラス軌道にフィットさせることで、リャプノフ指数と相関係数を用いて、複雑性の定量的指標を確立すること。
• 文化的表現と神経動態の間の関係を、共通する多フラクタル構造を通じて探求すること。

提案手法

• 断片的階層的格子上のイジング模型の正確な再帰的群解法を用いて、調整可能なパラメータ $p$, $p_b$, $p_c$, $m_1$, $m_2$ を持つ混沌状態のスピンガラス軌道を生成する。
• 各軌道の混沌の強度を定量化するため、式 (2) を用いてリャプノフ指数 $\lambda$ を計算する。
• 事前処理と正規化を経た音楽およびEEG信号の時系列データから、Chhabra-Jensenアルゴリズムを適用して多フラクタルスペクトル $f(\alpha)$ を抽出する。
• スピンガラススペクトルから導かれる連続的四次関数と、実験的多フラクタルスペクトル（音楽およびEEG）の間の二乗平均誤差を最小化することで、フィットを実行する。
• 実験データとスピンガラスモデルとのフィットの良さを評価するために、相関係数 $R_m$ および $R_e$ を用いる。
• パラメータ $p_b$ および $m_1$ を体系的に変化させ、音楽およびEEGデータの多フラクタル構造と最も一致する最適なモデルパラメータを同定する。

実験結果

リサーチクエスチョン

• RQ1 スピンガラスの混沌の多フラクタルスペクトルは、分野を越えて複雑系を分類する普遍的指標として機能できるか？
• RQ2 文化的多様性を持つ音楽と脳のEEG信号は、混沌状態のスピンガラス軌道にマッピングされた際に体系的なパターンを示すか？
• RQ3 スピンガラスの混沌のリャプノフ指数と音楽およびEEG信号の複雑性との間には、定量的関係が存在するか？
• RQ4 目を閉じた状態や開けた状態の休息状態、音楽聴取時の脳状態は、スピンガラスモデルの多フラクタルパラメータ空間にどのように現れるか？
• RQ5 文化的音楽ジャンルの間で、複雑性構造の変化を示す「グループの脱出（group defection）」が検出可能か？

主な発見

• 混沌状態のスピンガラス軌道の多フラクタルスペクトルは、音楽およびEEGデータの両方に対して強くフィットする、堅牢で体系的な複雑系分類フレームワークを提供する。
• 代表的な混沌状態軌道に対して、$\lambda = 0.353$ のリャプノフ指数が計算され、モデル内での測定可能な混沌の強度が示された。
• 音楽曲『Bul Beni, Ezhel』の最良フィットモデルでは、音楽スペクトルとスピンガラス連続関数との間で相関係数 $R_m = 0.987$ が得られた。
• 音楽聴取時の $C_z$ 領域における脳EEG信号では、相関係数 $R_e = 0.972$ が達成され、スペクトル類似度の高い一致が示された。
• パラメータ空間に体系的なパターンが出現した：音楽聴取時のEEG信号は、低 $p_b$（断片化数）の分岐に集積し、休息状態は低 $m_1$（抑制されたストランド長）のほぼ垂直な分岐を形成した。
• 驚くべきことに、音楽データに「グループの脱出」が観察された。特定のジャンルが期待されるクラスタリングから逸脱しており、別個の複雑性ダイナミクスが背後に存在する可能性を示唆した。