[論文レビュー] Online estimation of biophysical neural networks.

Thiago B. Burghi, Rodolphe Sepulchre|arXiv (Cornell University)|Nov 3, 2021

Neural dynamics and brain function参考文献 56被引用数 5

ひとこと要約

本稿では、収縮に基づく設計を用いて、未知のパラメータダイナミクス下でもロバストな収束を保証する、オンラインでの状態およびパrameter推定のための適応型オブザーバーを提案する。この手法により、神経生理学的モデリングおよび実験的応用に不可欠なリアルタイムで安定した推定が可能になる。

ABSTRACT

This paper presents an adaptive observer for online state and parameter estimation of a broad class of biophysical models of neuronal networks. The design closely resembles classical solutions of adaptive control, and the convergence proof is based on contraction analysis. Our results include robustness guarantees with respect to unknown parameter dynamics. We discuss the potential of the approach in neurophysiological applications.

研究の動機と目的

• 未知または時間変動するパラメータを有するバイオフィジカル神経ネットワークモデルのリアルタイム推定フレームワークの開発。
• パラメータの進化が不確実または動的である場合でも、状態およびパラメータ推定の収束性とロバスト性を保証すること。
• オンライン推論を要する神経生理学的実験への実用的応用を可能にすること。
• 理論的適応制御と複雑なバイオフィジカル神経動態の間のギャップを埋めること。

提案手法

• 本手法は、古典的適応制御技術にインspiredされた適応型オブザーバー構造を採用する。
• 推定誤差がゼロに収束することを形式的に証明するために、収縮解析が用いられる。
• パラメータダイナミクスが未知である場合、それらをゆっくり変化するか、有界な摂動とみなして処理する。
• 本フレームワークは、コンダクタンスベースのイントゥグレートアンドファイアモデルおよび詳細なコンパートメントモデルを含む、広範なバイオフィジカル神経ネットワークモデルに適用可能である。
• リアルタイム神経活動データを用いて、状態およびパラメータ推定を継続的に更新する。

実験結果

リサーチクエスチョン

• RQ1 バイオフィジカル神経ネットワークにおいて、状態およびパラメータをオンラインで推定できる適応型オブザーバーを設計できるか？
• RQ2 パラメータが時間とともに変化する、または初期に未知である場合でも、収束をどのように保証できるか？
• RQ3 パラメータダイナミクス下で推定精度およびロバスト性に関する理論的保証をどのように提供できるか？
• RQ4 この手法は、実際の神経生理学的データおよびモデルにどの程度適用可能か？

主な発見

• 収縮に基づく安定性解析により、状態およびパラメータ推定誤差がグローバル指数的収束することを保証する。
• パラメータの進化に関する事前知識がなくても、未知または時間変動するパラメータダイナミクスに対してロバスト性の保証が得られる。
• 本フレームワークは、広範なバイオフィジカル神経ネットワークモデルに適用可能であり、一般化可能性が高まる。
• 閉ループ刺激やニューラルデコーディングなどのリアルタイム神経生理学的応用に適したオンライン推定が可能になる。