[論文レビュー] Topological Effects of Synaptic Time Dependent Plasticity

James Kozloski, Guillermo Cecchi|arXiv (Cornell University)|Sep 30, 2008

Neural dynamics and brain functionNeuroscience参考文献 21被引用数 21

ひとこと要約

本稿では、スパイク時刻依存可塑性（STDP）が神経ネットワークにおける普遍的なループ制御機構として機能し、前・後発火スパイクのタイミングに基づく非対称なシナプス感受性変化によって機能的ループを最小化することを提案する。主な結果は、STDPが再帰的結合を弱めるため、ネットワークをフィードフォワード構造へと導くという、厳密な解析的およびシミュレーション的証明である。これは、マイクロサーキットおよびグローバル脳ネットワークの組織に関する示唆をもたらす。

ABSTRACT

We show that the local Spike Timing-Dependent Plasticity (STDP) rule has the effect of regulating the trans-synaptic weights of loops of any length within a simulated network of neurons. We show that depending on STDP's polarity, functional loops are formed or eliminated in networks driven to normal spiking conditions by random, partially correlated inputs, where functional loops comprise weights that exceed a non-zero threshold. We further prove that STDP is a form of loop-regulating plasticity for the case of a linear network comprising random weights drawn from certain distributions. Thus a notable local synaptic learning rule makes a specific prediction about synapses in the brain in which standard STDP is present: that under normal spiking conditions, they should participate in predominantly feed-forward connections at all scales. Our model implies that any deviations from this prediction would require a substantial modification to the hypothesized role for standard STDP. Given its widespread occurrence in the brain, we predict that STDP could also regulate long range synaptic loops among individual neurons across all brain scales, up to, and including, the scale of global brain network topology.

研究の動機と目的

• STDP、すなわち局所的シナプス可塑性ルールが、神経マイクロサーキットのトポロジー、特に機能的ループの形成と消失をどのように制御できるかを調査すること。
• STDPの非対称学習ルールが、通常の発火条件下でも多シナプスループを含め再帰的結合を内因的に抑制するかどうかを特定すること。
• ランダムでガウス分布する入力を有する線形ネットワークにおいて、STDPがループ制御可塑性機構として機能することを形式的数学的証明すること。
• STDPが、マイクロサーキットからグローバルネットワークトポロジーに至るまで、あらゆる脳スケールで主にフィードフォワード構造を強制するという仮説を検証すること。
• 実際の神経サーキットにおけるフィードフォワードトポロジーからの逸脱は、標準STDP仮説の見直しが必要であることを確立すること。

提案手法

• 相関器ベースの更新式 Δw_xy ∝ ∫ C_xy(t) S(t) dt を用いた、断続的近似におけるSTDP学習ルールの形式的導出：ここで S(t) は非対称であり、C_xy(t) は前・後発火活動の相互相関関数である。
• ネットワークを線形力学系 ẋ(t) = Wx(t) + ξ(t) としてモデル化し、互いに相関のないガウスノイズ入力を満たす：⟨ξ_i(t)ξ_j^T(t+τ)⟩ = σ²δ(τ)δ_ij。
• リャプノフ方程式を用いて定常状態の相関関数 C_0 を導出：W^T C_0 + C_0 W = -Q Q^T、ここで Q Q^T = I は均一ノイズを表す。
• 安定な W（すべての固有値の実部が負）に対して、形式的解 C_0 = ∫₀^∞ e^{W^T t} e^{W t} dt を用いて重み行列 ΔW の更新を分析する。
• tr[K₁] ≥ 0 および tr[K₂] ≥ 0 を示すことにより、エネルギー関数 ΔU が非正である（ΔU ≤ 0）ことを証明し、ループ抑制および動的安定性の向上を示唆する。
• 固有値分解と行列トレースの恒等式を用いて、1次近似下で δU ≤ 0 が成り立つことを示し、STDPがループ性を低下させ、システム安定性を高めることを確認する。

実験結果

リサーチクエスチョン

• RQ1 STDPは、直接的および多シナプスフィードバック構成を含め、神経ネットワークにおける機能的ループの形成を内因的に抑制するのか？
• RQ2 ランダムで相関のない入力を有する線形ネットワークにおいて、STDPがループ制御可塑性ルールとして数学的に証明可能か？
• RQ3 STDPに起因するシナプス変化と神経ネットワークダイナミクスの安定性の関係は何か？
• RQ4 STDPは神経マイクロサーキットにおいてどの程度までフィードフォワード構造を強制するのか？ そして、グローバル脳ネットワークトポロジーにどのような示唆をもたらすのか？
• RQ5 通常の発火条件下で実際の神経サーキットに観察される再帰的結合は、STDPが神経結合の主要な組織化要因であるという標準仮説と矛盾するのか？

主な発見

• STDPは、直接的および多シナプス的ループにおけるフィードバック結合を体系的に弱めるループ制御可塑性ルールとして機能し、機能的ループの消失をもたらす。
• 解析的証明により、リャプノフ的エネルギー関数の変化 ΔU が非正（ΔU ≤ 0）であることが示され、STDPがループ性最小化と最大動的安定性の状態へネットワークを導くことを示唆する。
• 安定な重み行列 W（すべての固有値の実部が負）に対して、更新項のトレース tr[K₂] が非負であることが確認され、STDPがループ形成を低減し、安定性を高めることを裏付ける。
• 重み更新の1次近似において、δU ∝ (tr[A²] - tr[AA^T]) ≤ 0 が得られ、STDPがシステムのループ性を低下させ、安定性を高めることを示している。
• 均一ノイズ（QQ^T = I）の仮定のもとで結果は頑健であり、形式的解 C_0 = ∫₀^∞ e^{W^T t} e^{W t} dt により、トレースに基づく安定性解析の有効性が保証される。
• 本研究は、通常の発火条件下で実際の神経サーキットに持続的な再帰的結合が観察される場合、標準STDP仮説と矛盾することを示唆し、その役割に関する見直しが必要となる。