[論文レビュー] NREM and REM: cognitive and energetic gains in thalamo-cortical sleeping and awake spiking model

Chiara De Luca, Leonardo Tonielli+9 more|arXiv (Cornell University)|Nov 13, 2022

EEG and Brain-Computer Interfaces被引用数 5

ひとこと要約

本研究では、生物学的に妥当な二領域性丘脳皮質スパイクニューラルネットワークモデルを提案し、NREMおよびREM睡眠サイクルを模擬することで、認知的パフォーマンスとエネルギー効率に与える影響を調査した。モデルは、睡眠誘発性シナプス可塑性が記憶表現を鋭鋭化させ、放電率とシナプス活動をそれぞれ5%および50%低下させ、総エネルギー消費量を17%削減することを示したが、分類精度に悪影響を及げず、新たなマルチ領域連関を可能にし、睡眠後のタスクパフォーマンスを向上させた。

ABSTRACT

Sleep is essential for learning and cognition, but the mechanisms by which it stabilizes learning, supports creativity, and manages the energy consumption of networks engaged in post-sleep task have not been yet modelled. During sleep, the brain cycles between non-rapid eye movement (NREM), a mainly unconscious state characterized by collective oscillations, and rapid eye movement (REM), associated with the integrated experience of dreaming. We propose a biologically grounded two-area thalamo-cortical plastic spiking neural network model and investigate the role of NREM - REM cycles on its awake performance. We demonstrate that sleep has a positive effect on energy consumption and cognitive performance during the post-sleep awake classification task of handwritten digits. NREM and REM simulated dynamics modify the synaptic structure into a sharper representation of training experiences. Sleep-induced synaptic modifications reduce firing rates and synaptic activity without reducing cognitive performance. Also, it creates novel multi-area associations. The model leverages the apical amplification, isolation and drive experimentally grounded principles and the combination of contextual and perceptual information. In summary, the main novelty is the proposal of a multi-area plastic model that also expresses REM and integrates information during a plastic dream-like state, with cognitive and energetic benefits during post-sleep awake classification.

研究の動機と目的

• NREMおよびREM睡眠ステージが生物学的に妥当なニューラルネットワークにおける認知的パフォーマンスとエネルギー効率に与える影響をモデル化すること。
• 睡眠誘発性シナプス可塑性が、睡眠後に記憶表現と分類精度を向上させられるかどうかを調査すること。
• 神経活動のエネルギー的コストを定量的に評価し、睡眠がパフォーマンスを損なわずエネルギー消費量を低減する仕組みを明らかにすること。
• 睡眠が新しいマルチ領域連関を形成し、文脈的および知覚的情報を統合する役割をどのように果たすかを探索すること。
• 重み付きKNNベースラインと比較して、特に両眼視と単眼視の状況下でのモデルのパフォーマンスを検証すること。

提案手法

• 適応的指数型積分・放電（AdEx）ニューロンモデルとスパイク時間依存可塑性（STDP）を用いて、可塑性のある二領域性丘脳皮質スパイクニューラルネットワークを構築した。
• 実験的EEGパターンに基づき、NREMではスローウェーブ振動、REMではトータル帯活動を用いて、NREMおよびREM睡眠状態を模擬した。
• 分類パフォーマンスは重み付きKNNアルゴリズムを用いて評価し、2つのバージョンを用いた：KNN-1D（左/右半球領域の独立処理）とKNN-2D（統合的両眼視処理）。
• エネルギー消費量は基礎代謝、アクションポテンシャル生成、シナプス活動の関数としてモデル化された：$ P = b + e\cdot\nu + c\cdot\omega $、全パワーは $ P_{\text{state}} \approx B + E\nu_{\text{state}} + C\omega_{\text{state}} $ として推定された。
• MNIST手書き数字データセットを用いて、分類のための前睡眠、NREM後、REM後、睡眠後のパワーとパフォーマンス指標を比較した。
• 模擬睡眠中のシナプス修飾が、放電率、シナプス活動、ネットワーク効率に与える影響を分析した。

実験結果

リサーチクエスチョン

• RQ1 NREMおよびREM睡眠ダイナミクスは、丘脳皮質ネットワークにおける睡眠後の認知的パフォーマンスにどのように影響を与えるか？
• RQ2 睡眠は、分類精度を維持または向上させつつ、エネルギー消費量をどの程度低減できるか？
• RQ3 睡眠誘発性シナプス可塑性は、パフォーマンスに損傷を与えることなく、記憶表現を鋭鋭化させ、神経活動を低減させられるか？
• RQ4 睡眠中に左および右半視野入力を統合することで、分類パフォーマンスにどのような影響があるか？
• RQ5 REM睡眠は、新しいマルチ領域連関を形成し、記憶表現を統合的に強化する役割を果たすか？

主な発見

• 睡眠後、総パワー消費量が17%削減された。これは、放電率が5%低下し、シナプス活動が50%減少したことに起因した。
• 神経活動が低下したにもかかわらず、睡眠後の分類精度は高く維持された。これは、シナプス効率が向上したがパフォーマンスに悪影響を及げなかったことを示している。
• 睡眠誘発性シナプス可塑性により、記憶表現が鋭鋭化し、類似したトレーニング例を区別する能力が向上した。
• モデルは、REM睡眠が文脈的および知覚的情報の統合を支援し、新たなマルチ領域連関を形成できることを示した。
• KNN-2Dのパフォーマンスは、両眼視の上限に近づき、ThaCo分類が最適に近い場合に、L/R半球領域の統合が効果的に行われたことを示した。
• モデルのパフォーマンスは重み付きKNNベースラインと非常に類似しており、生物学的妥当性と機能的関連性が裏付けられた。