[논문 리뷰] Output stream of leaky integrate and fire neuron

A. K. Vidybida|arXiv (Cornell University)|2015. 01. 20.

Neural dynamics and brain function참고 문헌 9인용 수 5

한 줄 요약

이 논문은 확산 근사 없이, 포isson 과정에 의해 자극되는 유출 적분-화재(LIF) 뉴런의 간편 간격에 대한 정확한 확률 밀도 함수(PDF)를 유도한다. 정확한 해는 특정 매개변수 조건 하에서 이중모달 분포를 드러내며, 이는 두 개의 밀도가 높은 입력 스파이크가 출력 스파이크를 유도할 수 있음을 보여주며, 이는 많은 입력을 가정하는 확산 근사와는 대조된다.

ABSTRACT

Probability density function of output interspike intervals is found in exact form for leaky integrate and fire neuron stimulated with Poisson stream. The diffusion approximation is not exploited.

연구 동기 및 목표

• 확산 근사를 피한 채, 포isson 입력 하에서 유출 적분-화재(LIF) 뉴런의 출력 간편 간격에 대한 정확한 확률 밀도 함수(PDF)를 유도하는 것.
• 입력 스파이크가 희박하거나 밀도가 높을 때, 특히 두 개의 스파이크가 반응을 유도할 수 있는 경우 출력 스파이크 트레인의 통계적 성질을 규명하는 것.
• 간편 간격 분포가 이중모달이 되는 조건을 규명하여, 이는 확산 기반 모델이 포착하지 못하는 특성임을 밝히는 것.
• 지수 감쇠와 이산 시냅스 입력을 갖는 LIF 뉴런에서의 제1통과 시간 분포에 대해 수학적으로 엄밀하고 비퍼티urbation 해법을 제공하는 것.

제안 방법

• 모델은 시간 상수 τ, 고정된 임계치 V₀, 크기 h의 이산 입력 스파이크를 갖는 결정론적 유출 적분-화재 뉴런을 사용한다.
• 입력은 강도 λ의 포아송 과정으로 모델링되며, 랜덤 스파이크 시간 l₁, l₂, ... 가 생성되며, 이들 간격은 지수 분포를 따른다.
• 출력 간편 간격의 확률 밀도는, 화재 사건을 유도하는 모든 가능한 입력 스파이크 시퀀스에 대한 재귀적 합산을 통해 계산된다.
• 해법은 k개의 입력 스파이크 이후에 막대 전위가 처음으로 V₀에 도달할 확률을 스파이크 시간 시퀀스에 대한 정확한 적분을 통해 계산한다.
• 이 방법은 시냅스 후 전위의 지수 감쇠와 과거 입력의 기억을 명시적으로 고려하며, 포커-플랭크 또는 펠러 유형의 확산 근사를 피한다.
• 최종 PDF는 입력 스파이크 시간 간격에 대한 다중 적분을 포함하는 유한 합의 조각별 함수 형태로 표현되며, 첫 번째 몇 간격(예: T₂, T₃)에 대한 정확한 표현이 유도된다.

실험 결과

연구 질문

• RQ1 포isson 입력 스트림에 의해 자극되는 유출 적분-화재 뉴런에서의 간편 간격에 대한 정확한 확률 밀도 함수는 무엇인가?
• RQ2 어떤 매개변수 조건에서 간편 간격 분포가 이중모달이 되며, 이러한 이중모달성의 원인은 무엇인가?
• RQ3 특히 화재 사건 당 입력 스파이크 수가 적은 영역에서 정확한 해가 확산 근사와 어떻게 다를까?
• RQ4 연속적인 막 전위 진화를 가정하지 않고도 제1통과 시간 분포를 정확히 계산할 수 있는가?

주요 결과

• 간편 간격에 대한 정확한 확률 밀도 함수는 입력 스파이크 시간에 대한 유한 합의 다중 적분을 포함하는 조각별 함수 형태로 닫힌 형태로 유도되었다.
• 특정 매개변수 값에서 분포는 이중모달 성질을 보이며, 특히 V₀ < 2h일 경우 두 개의 밀도가 높은 입력 스파이크가 반응을 유도할 수 있음을 시사한다.
• 이중모달성은 입력의 이산성과 시냅스 후 전위의 지수 감쇠로 인해 발생하며, 이는 확산 근사에서는 포착되지 않는다.
• 해결책은 오직 두 개의 입력 스파이크로도 스파이크를 유도할 수 있는 경우에도 유효하며, 이는 확산 근사가 실패하는 영역이다.
• 수치적 검증을 통해 분석 결과와 시뮬레이션된 스파이크 간격 히스토그램 간 양호한 일치가 확인되었다.
• 이 방법은 특히 낮은 입력 빈도 또는 높은 시간 정밀도를 갖는 뉴런에 유용한, 포커-플랭크 접근법의 비퍼티urbation 대안을 제공한다.