[論文レビュー] Triangular lattice neurons may implement an advanced numeral system to precisely encode rat position over large ranges

Yoram Burak, Ted Brookings+1 more|ArXiv.org|Jun 4, 2006

Neural Networks and Applications参考文献 3被引用数 8

ひとこと要約

本稿では、ラットの後側外側内嗅皮質（dMEC）におけるグリッド細胞が、空間的位置を表現するために剰余数システム（RNS）を用いる可能性を提唱している。RNSは連続的な2次元位置を、複数の三角格子に沿ったモジュラーで周期的な位相に分解する。このRNSに類似した表現法により、少数のニューロンで大規模な空間範囲を高解像度かつコンパクトに、加法的・算術的処理に適した形で表現可能であり、ノイズや損傷に対する特段の耐性を示す。

ABSTRACT

We argue by observation of the neural data that neurons in area dMEC of rats, which fire whenever the rat is on any vertex of a regular triangular lattice that tiles 2-d space, may be using an advanced numeral system to reversibly encode rat position. We interpret measured dMEC properties within the framework of a residue number system (RNS), and describe how RNS encoding -- which breaks the non-periodic variable of rat position into a set of narrowly distributed periodic variables -- allows a small set of cells to compactly represent and efficiently update rat position with high resolution over a large range. We show that the uniquely useful properties of RNS encoding still hold when the encoded and encoding quantities are relaxed to be real numbers with built-in uncertainties, and provide a numerical and functional estimate of the range and resolution of rat positions that can be uniquely encoded in dMEC. The use of a compact, `arithmetic-friendly' numeral system to encode a metric variable, as we propose is happening in dMEC, is qualitatively different from all previously identified examples of coding in the brain. We discuss the numerous neurobiological implications and predictions of our hypothesis.

研究の動機と目的

• dMECにおけるグリッド細胞が、限られた格子周期でどのように広範な空間範囲を表現できるかを理解すること。
• 格子周期が狭い範囲（30–70 cm）であるにもかかわらず、行動的に意味のある距離をどのように表現できるかというパラドックスを解明すること。
• dMECニューロンの分散的かつ周期的な放電パターンが、コンパクトで算術的処理に適した符号化スキームを形成するかを調査すること。
• 伝統的なニューラル符号化方式と比較して、空間表現に剰余数システム（RNS）を用いることで得られる機能的利点を明らかにすること。
• RNSに基づく符号化が示唆する神経生物学的予測（例えば、損傷への耐性やランドマーク認識における役割）を提示すること。

提案手法

• 各格子周期を法（modulus）とし、各位相を剰余（residue）とする剰余数システム（RNS）としてdMECグリッド細胞の活動をモデル化する。
• 中国剰余定理（CRT）を適用して、一意的な位置再構成が複数のモジュラー剰余から可能であることを示す。
• RNSフレームワークを実数値の法と剰余に緩和し、ノイズ下でも耐性を示すことを実証する。
• 複数の格子にわたる並列的でキャリブリケーションを要しない算術演算（例：位相シフトによる位置更新）を用いて、位置符号化と更新をシミュレートする。
• 実験データから得られるRNSパラメータを用いて、一意に符号化可能な最大空間範囲と解像度を推定する。
• 海馬の場所細胞が、RNS再構成と整合的であるように、複数のdMEC格子からの入力の統合によって位置を復元する可能性を提唱する。

実験結果

リサーチクエスチョン

• RQ1 dMECグリッド細胞の観察された放電パターンは、空間符号化のための剰余数システム（RNS）として解釈可能か？
• RQ2 RNSフレームワークは、少数のニューロンで高解像度で広範な空間範囲を表現できるのか？
• RQ3 神経系におけるスパarskまたは比例率符号化と比較して、RNSに基づく符号化が示す機能的利点は何か？
• RQ4 法が実数値であり、ノイズの影響を受ける状況下でも、システムは正確かつ一意に再構成可能か？
• RQ5 RNS符号化の神経生物学的予測（例：損傷効果やランドマーク特異的位相パターン）は何か？

主な発見

• dMECグリッド細胞系は、30 cmから70 cmの周期を持つわずか数個の格子を用いることで、最大約100 mの広範な空間範囲を表現可能であり、これはRNSの組み合わせ的パワーに起因する。
• RNSフレームワークにより、並列的でキャリブレーション不要な算術演算（例：位相シフトによる位置更新）が可能となり、効率的な経路統合が実現される。
• 実数値の法と測定不確実性を含む状況下でも、RNS符号化は約100 mの範囲で1m未満の解像度を維持しながら一意に再構成可能である。
• 部分的損傷に対しても耐性を示す：複数の法が破壊されるまで徐々に劣化が進行するが、階層的システムとは異なり、1つの損傷で特定のスケールに特化した障害が発生しない。
• RNSモデルは、場所細胞が大空間においてスパarskで単一のピークを持つフィールドを用いない理由を説明する。代わりに、複数のdMEC格子からの入力を統合する可能性がある。
• 本モデルは、熟知されたランドマークにおけるdMECの絶対的位相が、新しい経路を経ても試行間で再現可能であると予測しており、ランドマーク認識における役割を支持する。