[論文レビュー] Noise dynamically suppresses chaos in neural networks
本稿では、追加の白色雑音が、従来の安定性解析で予測されるよりも著しく高い結合強度において、ランダムに結合されたニューラルネットワークにおけるカオスの動的抑制を示している。力学的平均場理論を用いて、遷移点の閉形式の式を導出し、臨界結合よりわずかに高いところで自己相関の減衰時間がピークに達することを示しており、これは遷移点で発散を伴わないノイズ誘発安定化を示している。
Noise is ubiquitous in neural systems due to intrinsic stochasticity or external drive. For deterministic dynamics, neural networks of randomly coupled units display a transition to chaos at a critical coupling strength. Here, we investigate the effect of additive white noise on the transition. We develop the dynamical mean-field theory yielding the statistics of the activity and the maximum Lyapunov exponent. A closed form expression determines the transition from the regular to the chaotic regime. Noise suppresses chaos by a dynamic mechanism, shifting the transition to significantly larger coupling strengths than predicted by local stability analysis. The decay time of the autocorrelation function does not diverge at the transition, but peaks slightly above the critical coupling strength.
研究の動機と目的
- 追加の白色雑音が、ランダムに結合されたニューラルネットワークにおけるカオスへの遷移に与える影響を理解すること。
- ノイズ下での神経活動の統計的挙動を捉える理論的枠組みを構築すること。
- ノイズがカオスが出現する臨界結合強度を変化させるかどうかを特定すること。
- ノイズ条件下での遷移点近傍における自己相関減衰のダイナミクスを分析すること。
提案手法
- 著者らは、大規模でランダムに結合されたネットワークにおける神経活動の統計をモデル化するために、力学的平均場理論を用いる。
- 正規とカオスの領域の遷移を特定するために、最大リャプノフ指数の閉形式の式を導出する。
- 安定化効果を調査するために、決定論的神経ダイナミクスに白色雑音を摂動として導入する。
- 理論は、ノイズ誘発シフトを考慮した、カオスが出現する臨界結合強度を予測する。
- 遷移点近傍での時間的相関を分析するために、自己相関関数の減衰時間を計算する。
実験結果
リサーチクエスチョン
- RQ1追加の白色雑音は、ランダムに結合されたニューラルネットワークにおけるカオスの出現臨界結合強度をどのように変化させるか？
- RQ2ノイズは、フラクチュエーションの平均化ではなく、動的メカニズムによってカオスを抑制するのか？
- RQ3ノイズ下での遷移点における自己相関関数の減衰時間は、どのように振る舞うか？
- RQ4閉形式の式は、ノイズが存在する状況での、規則的からカオス的ダイナミクスへの遷移を予測できるか？
主な発見
- 白色雑音は、局所的安定性解析で予測されるよりも著しく高い結合強度においてカオスの遷移をシフトさせることで、動的抑制を行う。
- カオスの発生の判定に用いられる最大リャプノフ指数は、解析的に導出され、明確な遷移点を示している。
- 自己相関関数の減衰時間は、臨界結合で発散せず、臨界結合よりわずかに高いところでピークに達しており、時間的相関の非臨界ピークを示している。
- 力学的平均場理論は、ノイズ下での統計的活動および安定性特性を的確に捉えており、遷移の閉形式基準を提供している。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。