[論文レビュー] Situation-based memory in spiking neuron-astrocyte network

Susanna Gordleeva, Yuliya Tsybina+5 more|arXiv (Cornell University)|Feb 15, 2022

Advanced Memory and Neural Computing被引用数 4

ひとこと要約

本論文は、局所的環境内での迅速かつ文脈特異的な刺激パターンの想起を可能にする状況ベースの記憶を実現するスパイクニューロン-アストロサイトネットワークモデルを提案する。2つのネットワークで構成される神経モルフィックアーキテクチャにアストロサイト媒介の調節を組み合わせることで、標準的なスパイキングニューラルネットワークに比べて記憶の再構成品質が向上することを示し、効果的な状況駆動型学習と記憶にあたってアストロサイトの構造的必要性が浮き彫りになった。

ABSTRACT

Mammalian brains operate in a very special surrounding: to survive they have to react quickly and effectively to the pool of stimuli patterns previously recognized as danger. Many learning tasks often encountered by living organisms involve a specific set-up centered around a relatively small set of patterns presented in a particular environment. For example, at a party, people recognize friends immediately, without deep analysis, just by seeing a fragment of their clothes. This set-up with reduced "ontology" is referred to as a "situation". Situations are usually local in space and time. In this work, we propose that neuron-astrocyte networks provide a network topology that is effectively adapted to accommodate situation-based memory. In order to illustrate this, we numerically simulate and analyze a well-established model of a neuron-astrocyte network, which is subjected to stimuli conforming to the situation-driven environment. Three pools of stimuli patterns are considered: external patterns, patterns from the situation associative pool regularly presented to the network and learned by the network, and patterns already learned and remembered by astrocytes. Patterns from the external world are added to and removed from the associative pool. Then we show that astrocytes are structurally necessary for an effective function in such a learning and testing set-up. To demonstrate this we present a novel neuromorphic model for short-term memory implemented by a two-net spiking neural-astrocytic network. Our results show that such a system tested on synthesized data with selective astrocyte-induced modulation of neuronal activity provides an enhancement of retrieval quality in comparison to standard spiking neural networks trained via Hebbian plasticity only. We argue that the proposed set-up may offer a new way to analyze, model, and understand neuromorphic artificial intelligence systems.

研究の動機と目的

• 動的で局所的な環境において、迅速かつ文脈特異的な記憶想起を実現するニューロン-アストロサイトネットワークのメカニズムを解明すること。
• 繰り返し現れる刺激パターンが限られた環境（すなわち「状況」）において、効率的な記憶の保存と再構成を達成する課題に取り組むこと。
• 状況駆動型学習タスクにおける記憶パフォーマンスの向上に、アストロサイトが果たす必要不可欠な役割を実証すること。
• 短期記憶機能を向上させるためにアストロサイト誘発の調節を利用する神経モルフィックモデルの構築と検証を行うこと。
• 文脈に敏感な記憶を有する神経モルフィック人工知能システムのモデリングと設計のための生物学的に妥当なフレームワークを提供すること。

提案手法

• 状況駆動型の刺激条件下における、広く知られたスパイキングニューロン-アストロサイトネットワークモデルの数値シミュレーション。
• 外部刺激、状況特異的な関連パターン、および事前に学習済みのアストロサイト記憶パターンの3つの刺激プールの実装。
• ヘブ学習に基づくニューロン学習に加え、アストロサイトによるニューロン活動の調節を組み合わせ、記憶再構成を強化すること。
• 短期記憶機能を模倣するための2ネットワーク構造のスパイキングニューラル-アストロサイトネットワークアーキテクチャの設計。
• 選択的アストロサイト誘発調節を用いて、シナプス効率を動的に制御し、パターン認識の正確性を向上させること。
• 制御された刺激提示および除去プロTOCOL下での合成データを用いた、再構成品質の評価。

実験結果

リサーチクエスチョン

• RQ1 ニューロン-アストロサイトネットワークは、時間的・空間的に限定された局所的環境において、どのように迅速かつ文脈特異的な記憶想起を実現するか？
• RQ2 状況ベースの学習状況において、アストロサイトは記憶再構成品質をどのように向上させるか？
• RQ3 アストロサイト調節を内蔵する神経モルフィックスパイキングネットワークは、単にヘブ学習のみで訓練された標準的なスパイキングニューラルネットワークを上回る性能を示せるか？
• RQ4 外部刺激を関連プールに動的に追加・削除することで、記憶パフォーマンスにどのような影響が生じるか？
• RQ5 提案されたモデルにおいて、アストロサイトの存在が状況ベース記憶機能を効果的に行うために構造的に不可欠であるとまではどの程度まで言えるか？

主な発見

• ヘブ学習のみを用いた標準的なスパイキングニューラルネットワークと比較して、アストロサイト媒介の調節を組み込むことで、記憶再構成品質が顕著に向上した。
• アストロサイトの影響を除去すると記憶の正確性が低下したため、状況ベース記憶タスクにおける最適なパフォーマンスを発揮するには、アストロサイトが構造的に不可欠であることが判明した。
• 2ネットワーク構造の神経モルフィックモデルは、状況特異的パターンの高精度な再構成を実現し、短期記憶機能を効果的に再現した。
• 外部刺激を関連プールに動的に追加・削除する状況でも、システムは高い耐障害性を示し、現実の環境変化を反映した。
• 選択的アストロサイト誘発調節の下で、パターン認識と記憶想起の両方が向上した。これは、文脈に敏感な学習におけるその機能的利点を裏付けた。
• 結果から、ニューロン-アストロサイトネットワークが、その動的で調節可能な構造的特性により、状況ベース記憶に本質的に適応しているという仮説が支持された。