[論文レビュー] Robust motifs of threshold-linear networks

Carina Curto, Christopher Langdon+1 more|arXiv (Cornell University)|Feb 27, 2019

Neural dynamics and brain function参考文献 12被引用数 6

ひとこと要約

本稿は、抑制優勢の閾値線形ネットワーク（TLN）におけるロバストで柔軟なモチーフの図的特徴付けを導入し、固定点構造がシナプス重みの変動に対して不変であるロバストモチーフが、単純なフィードフォワード構造（DAG1 および DAG2）を持つ二つの無限族に属することを示している。一方、柔軟なモチーフは複数のダイナミクス的状態を許容する。主な貢献は、トポロジカル構造に基づくロバストモチーフの完全分類であり、接続強度の変動に関係なく、予測可能で安定したダイナミクスを有するネットワーク設計を可能にする。

ABSTRACT

To any inhibition-dominated threshold-linear network (TLN) we can associate a directed graph that captures the pattern of strong and weak inhibition between neurons. Robust motifs are graphs for which the structure of fixed points in the network is independent of the choice of connectivity matrix $W$, and whose dynamics are thus greatly constrained. This makes them ideal building blocks for constructing larger networks whose behaviors are robust to changes in connection strengths. In contrast, flexible motifs correspond to networks with multiple dynamic regimes. In this work, we give a purely graphical characterization of both flexible and robust motifs of any size. We find that all but a few robust motifs fall into two infinite families of graphs with simple feedforward architectures.

研究の動機と目的

• 閾値線形ネットワーク（TLN）におけるネットワーク構造がダイナミクス的挙動に与える制約、特に抑制優勢系において理解すること。
• 固定点のサポートがすべての妥当な重み行列 W に対して不変であるかどうかに基づいて、モチーフ（部分グラフ）を分類すること。
• シナプス重みの変動に関係なく固定点構成が不変である（ロバスト）ダイナミクスを示すグラフ構造と、複数のダイナミクス的状態を許容する（柔軟）モチーフを特定すること。
• すべてのロバストモチーフの完全な図的特徴付けを提供すること。これには、それらが二つの無限族に属することの証明を含む。

提案手法

• 接続行列 W から有向グラフ GW を定義し、Wij > -1 である場合に j→i のエッジを設けることで、相対的な抑制強度を捉える。
• 平衡状態における正の発火率を示す神経集合を表す固定点サポート FP(W) を導入する。
• グラフ G を、不変許容（常に固定点が存在）、不変禁止（決して存在しない）、または柔軟（W に依存）の三つに分類する。
• 有向無閉路グラフ（DAG）のソース・ターゲット分解を用い、反復的にソースノードを削除することで、FP(W) がターゲット部分グラフ τ のみに依存することを証明する。
• ロバストモチーフが、不変許容（シングルトン、2クライQUE、サイズ2の独立集合、3サイクル）であるか、または二つの無限族であるDAG1（ターゲットがシングルトン）およびDAG2（ターゲットが2クライQUE）に属することを証明する。
• トポロジカル順序と反復的ソースノードの削除を活用し、全ネットワークのダイナミクスをターゲット部分グラフのダイナミクスに還元することで、FP(W) の不変性を確立する。

実験結果

リサーチクエスチョン

• RQ1 閾値線形ネットワークにおけるどのグラフ構造が、シナプス重みの変動に対して不変な固定点ダイナミクスを生じるか？
• RQ2 すべてのロバストモチーフを、特定の重み値に依存せずに、グラフトポロジーのみで分類可能か？
• RQ3 複数のダイナミクス的状態を許容する（柔軟）モチーフと、固定ダイナミクスを示す（ロバスト）モチーフを区別する構造的特徴は何か？
• RQ4 すべてのロバストモチーフは有限個の例外か、特定の構造的パターンを持つ無限族に属するか？
• RQ5 ソース・ターゲット分解は、異なる重み行列 W に対して固定点サポートの不変性を決定づける役割を果たすか？

主な発見

• すべてのロバストモチーフは、不変許容（シングルトン、2クライQUE、サイズ2の独立集合、3サイクル）であるか、または二つの無限族であるDAG1およびDAG2に属する。
• 固定点サポート集合 FP(W) が、与えられたグラフ G と整合するすべての重み行列 W に対して不変であることは、G がロバストである（つまり、シナプス重み値に依存しない）場合にかつその場合に限り成り立つ。
• 任意のロバストモチーフについて、全ネットワークのダイナミクスはターゲット部分グラフ τ によって完全に決定され、すべての GW = G を満たす W に対して FP(W) = FP(Wτ) が成り立つ。
• DAG1 のグラフは単一のターゲットノード t を持ち、すべての整合的 W に対して FP(W) = {t} である。DAG2 のグラフは2クライQUEのターゲットを持ち、すべての整合的 W に対して FP(W) = {tu} である。
• ロバストモチーフの分類は完全である：すべてのロバストモチーフは、四つの例外的ケースのいずれか、またはDAG1またはDAG2に属する。
• 証明は、トポロジカル順序に基づく反復的ソースノードの削除に依存し、ダイナミクスがターゲット部分グラフに還元されることを示しており、そのターゲット部分グラフ自体がロバストでかつソースを含まない必要がある。