[논문 리뷰] Computational principles of biological memory

Marcus K. Benna, Stefano Fusi|arXiv (Cornell University)|2015. 07. 27.

Neural dynamics and brain function참고 문헌 32인용 수 14

한 줄 요약

이 논문은 빠른 불안정한 변수에서 느린 안정적인 변수로 기억을 동적으로 이행함으로써 시냅스 수에 비례하여 거의 선형적인 기억 용량 스케일링을 달성하는 이방향 다중 시간스케일 시냅스 모델을 제안한다. 이전 모델의 제곱근 스케일링과는 달리, 이 메커니즘은 강건하고 고용량의 기억 저장을 가능하게 하면서도 초기 기억 흔적을 강하게 유지하며 생물학적 현상인 메타플라스티시티와 간격 효과를 설명한다.

ABSTRACT

Memories are stored, retained, and recollected through complex, coupled processes operating on multiple timescales. To understand the computational principles behind these intricate networks of interactions we construct a broad class of synaptic models that efficiently harnesses biological complexity to preserve numerous memories. The memory capacity scales almost linearly with the number of synapses, which is a substantial improvement over the square root scaling of previous models. This was achieved by combining multiple dynamical processes that initially store memories in fast variables and then progressively transfer them to slower variables. Importantly, the interactions between fast and slow variables are bidirectional. The proposed models are robust to parameter perturbations and can explain several properties of biological memory, including delayed expression of synaptic modifications, metaplasticity, and spacing effects.

연구 동기 및 목표

• 고도로 유연한 시냅스 기억 모델에서 발생하는 유연성-고정성 딜레마를 해결하기 위해, 즉 높은 유연성이 장기 기억 유지에 악영향을 미치는 문제를 해결한다.
• 초기 기억 강도를 희생시키지 않고도 높은 기억 용량을 달성하는 시냅스 모델을 개발한다.
• 지연된 시냅스 수정, 메타플라스티시티, 간격 효과와 같은 생물학적 기억 현상을 통합된 계산 프레임워크를 통해 설명한다.
• 빠른 변수와 느린 변수 간의 이중 방향 상호작용이 기억 수명과 용량을 크게 향상시킨다는 것을 보여준다.

제안 방법

• 빠른(불안정한) 변수와 느린(안정적인) 변수 사이의 이중 방향 결합을 갖는, 다중 시간스케일에서 작용하는 생화학적 과정의 연쇄 작용을 모델이 활용한다.
• 기억은 처음에 빠른 변수에 저장되며 점차 느린 변수로 이행되며, 시냅스 통합을 모방한다.
• 학습 규칙은 동적 정보 재분배를 통해 장기 기억 유지 기능을 수행하면서도 강력한 초기 기억 흔적을 유지하도록 설계되어 있다.
• 코딩 수준(c = f)에 비례하는 바이어스 항을 갖는 일반화된 읽기 메커니즘이 노이즈 대비 신호 대비 비율과 용량을 최적화하며, 특히 공간 상관관계가 있는 경우에 유리하다.
• 신호 대 노이즈 비율 계산과 다양한 코딩 수준 및 네트워크 크기에서의 시뮬레이션을 통해 모델을 분석적·수치적으로 검증한다.
• 이론적 분석은 기억 용량이 시냅스 수에 거의 선형적으로 증가함을 보여주며, 이는 이전의 제곱근 스케일링 모델을 능가한다.

실험 결과

연구 질문

• RQ1 어떻게 시냅스 모델이 강력한 초기 기억 흔적을 유지하면서도 고용량 기억을 달성할 수 있는가?
• RQ2 빠른 변수와 느린 변수 간의 이중 방향 상호작용이 기억 수명을 향상시키는 데 어떤 역할을 하는가?
• RQ3 이 모델은 지연된 시냅스 수정 표현과 간격 효과와 같은 생물학적 현상을 어떻게 설명하는가?
• RQ4 실제 생물학적 조건 하에서 시냅스 수에 비례하여 기억 용량이 거의 선형적으로 증가할 수 있는가?
• RQ5 시냅스 수정 패턴의 공간 상관관계가 기억 용량에 어떤 영향을 미치며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 모델은 시냅스 수에 거의 선형적으로 증가하는 기억 용량을 달성하며, 이는 이전 모델의 제곱근 스케일링 대비 상당한 향상이다.
• 초기 기억 강도는 시냅스 수의 제곱근 비례로 증가하며, 장기 기억 유지에 손상 없이 강력한 흔적 형성을 유지한다.
• 빠른 변수와 느린 변수 간의 이중 방향 결합은 기억 흔적의 감쇠 속도를 크게 감소시켜 기억 수명을 연장한다.
• 균형 잡힌 읽기 메커니즘(c = f)을 사용함으로써 시냅스 수정 패턴의 공간 상관관계가 미치는 악영향을 피함으로써 용량을 증가시킨다.
• 다중 시간스케일 역학을 통해 메타플라스티시티, 지연된 시냅스 표현, 간격 효과와 같은 생물학적 현상을 강건하게 설명한다.
• 신호 대 노이즈 비율 분석은 모델의 용량이 코딩 수준 f의 역수 비례로 증가하며, f가 작고 Nf²이 크지 않은 경우 최적 성능를 보임을 확인한다.