[논문 리뷰] Critical Limits in a Bump Attractor Network of Spiking Neurons

Alberto Arturo Vergani, Christian Huyck|arXiv (Cornell University)|2020. 03. 30.

Neural dynamics and brain function참고 문헌 18인용 수 1

한 줄 요약

이 논문은 뉴모르픽 시뮬레이션을 사용하여 스파iking 번개 어트랙터 네트워크의 핵심 매개변수 한계를 조사하며, 스파이크 패턴이 정지 상태를 유지하는지, 여러 스트림으로 분할되는지, 또는 분산되는지 여부를 결정하는 균형 잡힌 활성화와 억제의 역할을 규명한다. 주요 발견은 분할 현상이 활성화에 비해 강한 억제에 기인하는 반면, 분산 현상은 과도한 활성화에 기인하며, 입력 크기와 가중치 설정이 핵심 제어 매개변수로 작용한다는 것이다.

ABSTRACT

A bump attractor network is a model that implements a competitive neuronal process emerging from a spike pattern related to an input source. Since the bump network could behave in many ways, this paper explores some critical limits of the parameter space using various positive and negative weights and an increasing size of the input spike sources The neuromorphic simulation of the bumpattractor network shows that it exhibits a stationary, a splitting and a divergent spike pattern, in relation to different sets of weights and input windows. The balance between the values of positive and negative weights is important in determining the splitting or diverging behaviour of the spike train pattern and in defining the minimal firing conditions.

연구 동기 및 목표

• 스파iking 뉴런의 번개 어트랙터 네트워크에서 스파이크 패턴 행동 유형을 결정짓는 핵심 매개변수 경계를 규명하는 것.
• 양(활성화) 및 음(억제) 시냅스 가중치를 변화시켰을 때 네트워크 동역학이 어떻게 영향을 받는지 조사하는 것.
• 입력 윈도우 크기와 스파이크 소스 수가 탄생하는 스파이크 트레인 패턴에 어떻게 영향을 주는지 검토하는 것.
• 네트워크 활성화를 위한 최소 발화 조건과 점화 임계치를 규명하는 것.
• 100개의 뉴런으로 구성된 1차원 네트워크에서 정지 상태, 분할, 분산 스파이크 패턴 간의 전이를 탐구하는 것.

제안 방법

• 100개의 리크리스 인테그레이트-앤드-파이어 뉴런을 포함한 1차원 번개 어트랙터 네트워크의 뉴모르픽 시뮬레이션.
• 고정된 시냅스 토폴로지: 각 뉴런은 두 개의 활성화 연결(가까운 이웃)과 네 개의 억제 연결(다음 이웃)을 수신.
• 매개변수 공간을 맵핑하기 위해 다수의 시뮬레이션에서 양성 및 음성 시냅스 가중치를 체계적으로 변화시킴.
• 점화 및 패턴 탄생을 연구하기 위해 스파이크 소스의 크기와 강도를 다양화함.
• 스파이크 트레인 패턴을 세 가지 유형으로 분류: 정지 상태, 분할(다중 스트림), 분산(불안정한 화산 폭발 유사 활동).
• 막막 전위 동역학과 스파이크 타이밍을 분석하여 패턴 유형 간의 임계 전이를 규명함.

실험 결과

연구 질문

• RQ1 어떤 활성화 및 억제 시냅스 가중치 조합이 번개 어트랙터 네트워크에서 정지 상태, 분할, 또는 분산 스파이크 패턴을 유도하는가?
• RQ2 입력 스파이크 윈도우의 크기가 다중 스파이크 스트림 또는 분산 활동의 탄생에 어떻게 영향을 주는가?
• RQ3 네트워크 활동을 점화하기 위한 최소 입력 요구 조건(스파이크 소스 수와 강도)은 무엇인가?
• RQ4 활성화와 억제의 균형이 네트워크가 분할 또는 분산 행동을 보일지 결정하는 데 어떻게 기여하는가?
• RQ5 분할과 분산 패턴 사이의 경계에 위치한 가중치 설정은 무엇이며, 이는 네트워크 안정성에 대해 어떤 정보를 제공하는가?

주요 결과

• 소수의 입력 스파이크 소스로도 네트워크를 점화할 수 있으나, 이는 활성화 가중치가 충분히 높을 경우에만 가능하며(예: 0.10), 이는 활성화의 임계값을 시사한다.
• 다중 스파이크 스트림으로의 분할 행동는 주로 활성화에 비해 강한 억제 가중치에 기인하며, 이는 억제가 패턴 형성에 핵심적인 역할을 한다는 것을 시사한다.
• 과도한 활성화가 지배할 경우 분산 스파이크 패턴이 나타나며, 이는 과도한 활성화가 통제되지 않은 화산 폭발 유사 활동을 유도한다는 것을 의미한다.
• 입력 윈도우 크기와 스파이크 소스 수가 증가할수록 스파이크 스트림 수가 증가하며, 이는 입력 밀도가 분할 행동를 촉진한다는 것을 시사한다.
• 분할과 분산 패턴 사이의 경계에 위치한 가중치 설정은 하이브리드 행동를 보이며, 이는 두 현상이 동시에 발생할 수 있는 중간 영역이 존재함을 시사한다.
• 네트워크의 행동는 양성 가중치 대 음성 가중치의 비율에 매우 민감하며, 특정 가중치 조합에서 임계 전이가 관찰됨을 확인하였다.