[논문 리뷰] Online estimation of biophysical neural networks.

Thiago B. Burghi, Rodolphe Sepulchre|arXiv (Cornell University)|2021. 11. 03.

Neural dynamics and brain function참고 문헌 56인용 수 5

한 줄 요약

이 논문은 수축 기반 설계를 사용하여 생물물리적 신경망 모델에서 상태 및 파라미터를 온라인으로 추정하기 위한 적응 관측기(adaptive observer)를 제안한다. 이는 미지의 파라미터 동역학 조건에서도 강건한 수렴을 보장한다. 이 방법은 신경생리학적 모델링 및 실험적 응용에 필수적인 실시간이고 안정적인 추정을 가능하게 한다.

ABSTRACT

This paper presents an adaptive observer for online state and parameter estimation of a broad class of biophysical models of neuronal networks. The design closely resembles classical solutions of adaptive control, and the convergence proof is based on contraction analysis. Our results include robustness guarantees with respect to unknown parameter dynamics. We discuss the potential of the approach in neurophysiological applications.

연구 동기 및 목표

• 미지 또는 시간에 따라 변하는 파라미터를 가진 생물물리적 신경망 모델에 대한 실시간 추정 프레임워크를 개발하기 위해.
• 불확실하거나 동적인 파라미터 변화 조건 하에서도 상태 및 파라미터 추정의 수렴성과 강건성을 보장하기 위해.
• 온라인 추론이 요구되는 신경생리학적 실험에 실용적으로 적용 가능하게 하기 위해.
• 이론적 적응 제어와 복잡한 생물물리적 신경 동역학 사이의 격차를 메우기 위해.

제안 방법

• 기존의 적응 제어 기법에서 영감을 얻은 적응 관측기 구조를 사용한다.
• 수축 분석을 통해 추정 오차가 0으로 수렴함을 공식적으로 증명한다.
• 파라미터 동역학을 미지의 것으로 간주하고, 이를 천천히 변화하는 또는 유한한 교란으로 간주하여 처리함으로써, 미지의 파라미터 동역학을 다룰 수 있도록 설계된다.
• 이 프레임워크는 전도도 기반 적분-화염 모델 및 세밀한 분할 모델을 포함한 광범위한 생물물리적 신경망 모델에 적용 가능하다.
• 실시간 신경 활동 데이터를 사용하여 상태 및 파라미터 추정치를 지속적으로 업데이트한다.

실험 결과

연구 질문

• RQ1 생물물리적 신경망에서 상태 및 파라미터를 모두 온라인으로 추정할 수 있는 적응 관측기를 설계할 수 있는가?
• RQ2 파라미터가 시간에 따라 변화하거나 초깃값이 알려지지 않은 상황에서도 수렴을 어떻게 보장할 수 있는가?
• RQ3 파라미터 동역학 조건 하에서도 추정 정확성과 강건성에 대해 어떤 이론적 보장을 제공할 수 있는가?
• RQ4 이 방법은 얼마나 넓은 범위로 실제 신경생리학적 데이터 및 모델에 적용될 수 있는가?

주요 결과

• 수축 기반 안정성 분석을 통해 상태 및 파라미터 추정 오차의 전역 지수 수렴을 보장한다.
• 파라미터의 진화에 대한 사전 지식이 없더라도, 미지의 또는 시간에 따라 변화하는 파라미터 동역학에 대해 강건성 보장을 제공한다.
• 이 프레임워크는 광범위한 생물물리적 신경망 모델에 적용 가능하여 일반화 능력이 뛰어나다.
• 실시간 신경생리학적 응용(예: 피드백 자극 또는 신경 디코딩)에 적합한 온라인 추정을 가능하게 한다.