[논문 리뷰] Controlling Neuronal Noise Using Chaos Control

David J. Christini, James J. Collins|ArXiv.org|1995. 03. 15.

Neural dynamics and brain function인용 수 3

한 줄 요약

이 논문은 실험적 시스템에서의 신경세포 잡음이 카오스적임을 전제로 하는 데 도전하며, 비카오스적이고 잡음에 의해 구동되는 신경세포 모델에 카오스 제어 기법을 적용했을 때, 실제로 카오스적인 것으로 보이는 *in vitro* 신경망 네트워크에서 보고된 결과들과 구분되지 않는 결과를 도출함을 보여준다. 저자들은 카오스 제어 기법을 확률적 시스템에 적용했을 때도 유사한 결과가 나타남을 보여주며, 이러한 기법이 진정으로 카오스적인 시스템을 넘어서 광범위하게 적용될 수 있음을 시사한다.

ABSTRACT

Chaos control techniques have been applied to a wide variety of experimental systems, including magneto-elastic ribbons, lasers, chemical reactions, arrhythmic cardiac tissue, and spontaneously bursting neuronal networks. An underlying assumption in all of these studies is that the system being controlled is chaotic. However, the identification of chaos in experimental systems, particularly physiological systems, is a difficult and often misleading task. Here we demonstrate that the chaos criteria used in a recent study can falsely classify a noise-driven, non-chaotic neuronal model as being chaotic. We apply chaos control, periodic pacing, and anticontrol to the non-chaotic model and obtain results which are similar to those reported for apparently chaotic, {\em in vitro} neuronal networks. We also obtain similar results when we apply chaos control to a simple stochastic system. These novel findings challenge the claim that the aforementioned neuronal networks were chaotic and suggest that chaos control techniques can be applied to a wider range of experimental systems than previously thought.

연구 동기 및 목표

• 비카오스적이고 잡음에 의해 구동되는 *in vitro* 신경망에서의 신경세포 잡음이 진정으로 카오스적인지 여부를 조사하기 위해.
• 이전 연구에서 신경세포 시스템에 대해 사용된 카오스 탐지 기준의 타당성을 검증하기 위해.
• 카오스 제어 기법이 진정으로 카오스적이지 않은, 잡음에 의해 구동되는 시스템에서도 유사한 결과를 낳을 수 있는지 확인하기 위해.
• 결정론적 카오스를 보이는 시스템을 초월해 카오스 제어 기법의 일반적 적용 가능성을 평가하기 위해.
• 이전에 카오스로 기인된 것으로 해석된 실험적 결과에 대한 해석을 도전하기 위해.

제안 방법

• 비카오스적이고 잡음에 의해 구동되는 신경세포 모델에 시간지연 피드백 제어를 포함한 카오스 제어 기법을 적용함.
• 주기적인 패딩 및 반제어 방법을 사용하여 비카오스적 모델의 시스템 역학을 조절함.
• 비카오스적 모델의 결과 역학을 실제로 카오스적인 것으로 보이는 신경망 네트워크에서 보고된 역학과 비교함.
• 유사한 카오스 제어 프로토콜을 단순한 확률적 시스템에 적용하여 일반화 가능성 테스트를 수행함.
• 동일한 제어 파rameters를 사용하여 카오스적 및 비카오스적 시스템 간의 제어 결과 일관성 평가함.
• 이전 연구에서 신경세포 시스템에서 카오스를 식별하는 데 사용된 기준을 재평가하며, 잡음에 의해 구동되는 비카오스적 시스템이 잘못 분류될 수 있는 위험을 강조함.

실험 결과

연구 질문

• RQ1 카오스 제어 기법이 카오스적인 것으로 간주되는 시스템과 동일한 결과를 비카오스적이고 잡음에 의해 구동되는 신경세포 모델에서도 도출할 수 있는가?
• RQ2 신경망과 같은 생리학적 시스템에서 카오스를 식별하는 데 사용되는 표준 카오스 탐지 기준은 신뢰할 수 있는가?
• RQ3 확률적 시스템이 카오스 제어를 받을 경우 카오스 시스템의 행동을 어느 정도 모방할 수 있는가?
• RQ4 비카오스적 시스템에 카오스 제어를 적용할 경우, 이전에 실험적 신경 데이터에서 카오스로 기인된 주장이 무효화되는가?
• RQ5 잡음이 카오스로 오해될 경우 신경과학에서 실험 결과를 해석할 때 어떤 함의가 있는가?

주요 결과

• 비카오스적이고 잡음에 의해 구동되는 신경세포 모델은 카오스 제어를 받을 경우 실제로 카오스적인 것으로 보이는 *in vitro* 신경망 네트워크에서 보고된 역학과 구분되지 않는 역학을 보였다.
• 단순한 확률적 시스템에 카오스 제어를 적용한 결과, 카오스적이라고 주장되는 시스템에서 관찰된 결과와 유사한 결과를 도출함.
• 이전 연구에서 사용된 표준 카오스 탐지 기준은 잡음에 의해 구동되는 비카오스적 시스템을 잘못 카오스로 분류할 수 있음.
• 연구 결과는 신경망에서 관찰된 제어 효과가 결정론적 카오스가 아니라 잡음에서 기인할 수 있음을 시사한다.
• 카오스 제어 기법은 이전에 상상했던 것보다 더 넓은 범위의 시스템, 비카오스적이고 확률적인 시스템에서도 효과적일 수 있음.
• 이 연구는 제한적이거나 잘못된 탐지 방법에 기반해 카오스로 기각된 실험적 신경 데이터의 해석에 의문을 제기한다.