[論文レビュー] Statistical mechanics of neocortical interactions: Reaction time correlates of the g factor

Lester Ingber|CogPrints (University of Southampton)|Jan 23, 2000

Neural dynamics and brain function参考文献 30被引用数 10

ひとこと要約

本稿では、新皮質相互作用の統計力学（SMNI）が、非線形確率的ニューロン柱ダイナミクスのモデル化を通じて、反応時間（RT）と短期記憶（STM）の情報貯蔵の関係を示すヒックの法則を導出することにより、g要因の生理学的基盤を提示する。列の発火状態の確率分布におけるガウス型ピークを基にラグランジュ法を用いた第一到達時間計算を実施し、SMNIは観察されたRTとSTM情報の線形関係を再現し、g要因の認知的相関要因を生体物理学的に説明可能である。

ABSTRACT

A statistical mechanics of neuronal interactions (SMNI) is explored as providing some substance to a physiological basis of the g factor. Some specific elements of SMNI, previously used to develop a theory of short-term memory (STM) and a model of electroencephalography (EEG) are key to providing this basis. Specifically, Hick's Law, an observed linear relationship between reaction time (RT) and the information storage of STM, in turn correlated to a RT-g relationship, is derived.

研究の動機と目的

• 統計力学的新皮質相互作用（SMNI）を用いてg要因の生理学的基盤を探索すること。
• SMNIが反応時間（RT）と短期記憶（STM）の情報貯蔵を結びつけるヒックの法則を再現できることを示すこと。
• ニューロン柱相互作用の非線形ダイナミクスを通じてg要因を説明するボトムアップ型神経生理学的モデルを構築すること。
• 短時間および長時間スケールのRTおよびEEGデータとの整合性を示すことにより、モデルを検証すること。

提案手法

• 新皮質柱およびマクロカラムの集団的挙動をモデリングする非線形多変量統計力学フレームワークを用いる。
• 列の発火状態の確率分布上での期待値としてRTを計算するため、ラグランジュ法に基づく第一到達時間形式を適用する。
• STM貯蔵を、ニューロン活動の最も顕著な状態を表す確率分布Pにおける明確に分離されたガウス型ピークとしてモデル化する。
• RTを積分式 RT = −∫dt t ∫dM dP/dt から導出し、近似として RT ≈ K ∫dt ∫dM P ln P を用いる。
• STMアイテムの組み合わせ要因をPにおけるピーク高さに寄与させるものとし、情報量と確率周波数を関連付ける。
• 得られたRTと情報量の関係がヒックの法則と一致することを示し、情報量をln(2)の倍数でビット単位で測定することでモデルを検証する。

実験結果

リサーチクエスチョン

• RQ1 統計力学的新皮質相互作用（SMNI）はg要因の生体物理学的説明を提供できるか？
• RQ2 ニューロン柱相互作用の非線形ダイナミクスは、反応時間とSTM情報貯蔵の間の線形関係をどのように生じさせるか？
• RQ3 ニューロン発火およびシナプス相互作用の第一原理モデルから、ヒックの法則はどの程度導出可能か？
• RQ4 SMNIモデルは短時間および長時間スケールの観察されたRTおよびEEGデータを再現できるか？
• RQ5 興奮性および抑制性シナプス活動のバランスが、STMにおける最も確率の高い状態の分布を形作り、g要因のパフォーマンスに影響を与えるか？

主な発見

• SMNIモデルはヒックの法則を成功裏に導出し、反応時間（RT）と短期記憶（STM）の情報貯蔵の間の線形関係を示した。
• RTは、列の発火状態の確率分布上での期待値として、第一到達時間形式を用いて計算された。
• 確率分布Pは明確に分離されたガウス型ピークでよく近似可能であり、P ln Pのような情報理論的測度の適用が可能になった。
• モデルは、0.1秒未塔のRT時間スケールを再現し、生理学的妥当性を裏付けた。
• STMにおける情報量は、pi ln pi の和に比例すると定量化され、標準情報理論と一致した。
• モデルは、g要因における個人差が、『センター化機構』の制御およびシナプスバランスの違いに起因する可能性を示唆している。