[논문 리뷰] Role of correlations in population coding

Peter E. Latham, Yasser Roudi|arXiv (Cornell University)|2011. 09. 29.

Neural dynamics and brain function참고 문헌 78인용 수 11

한 줄 요약

이 논문은 인구 코드에서 신경 세포 스파이크 상관관계의 기능적 역할을 조사하며, 상관관계가 발화 속도 외의 정보를 지닐 수 있음을 주장한다. 정보 이론적 측정을 통해, 상관관계가 최적의 복원에 있어 종종 중복되지만, 대규모 인구에서 복원 속도를 크게 향상시킬 수 있음을 보여준다. 망막 간상세포 인구에서 상관관계를 포함할 경우 복원 속도가 3배 빨라지는 것으로 나타났다.

ABSTRACT

Correlations among spikes, both on the same neuron and across neurons, are ubiquitous in the brain. For example cross-correlograms can have large peaks, at least in the periphery, and smaller -- but still non-negligible -- ones in cortex, and auto-correlograms almost always exhibit non-trivial temporal structure at a range of timescales. Although this has been known for over forty years, it's still not clear what role these correlations play in the brain -- and, indeed, whether they play any role at all. The goal of this chapter is to shed light on this issue by reviewing some of the work on this subject.

연구 동기 및 목표

• 스파이크 상관관계가 발화 속도 외에 전달되는 정보를 지닐 수 있는지 확인하는 것.
• 실제 신경 계산 환경에서 인구 코드의 상관관계의 기능적 의미 평가.
• 뇌가 감각 자극을 정확하거나 효율적으로 복원하기 위해 상관관계가 필요한지 평가하는 것.
• 뇌가 독립된 반응 분포에 접근할 수 없음을 고려할 때, 상관관계가 학습과 근사 계산에 어떻게 영향을 미치는지 탐구하는 것.
• 소음 상관관계가 항상 복원에 핵심적이라는 가정을 도전하며, 중복되지만 유익한 경우를 분석하는 것.

제안 방법

• 스파이크 반응 r와 자극 s에 기반한 조건부 반응 분포 p(r|s)를 바탕으로 베이지안 추론을 사용해 사후 분포 p(s|r)를 유도하는 것.
• 독립성 모델과 상관관계를 포함한 모델 간 복원 성능의 차이를 측정하기 위해 ΔI를 도입하는 것.
• 독립적 반응과 상관관계가 있는 반응을 가정했을 때의 복원 정확도와 속도를 비교하기 위해 정보 이론적 분석을 적용하는 것.
• 모의 실험과 실측 데이터(예: 망막 간상세포에서의 데이터)를 활용해 상관관계를 포함했을 때 복원 성능이 얼마나 향상되는지 테스트하는 것.
• ΔI > 0(상관관계가 중요함)이지만 선형 분류기가 독립성 가정 하에서도 동일한 성능을 내는 경우를 분석하여, ΔI가 척도로서의 한계를 드러내는 것.
• 뇌의 제약 조건(예: 상관관계가 있는 반응에 의존하고, 근사 복원기를 사용함)을 고려하여 상관관계의 역할을 평가하는 것.

실험 결과

연구 질문

• RQ1 스파이크 상관관계는 발화 속도에 포함되지 않은 정보를 지닐 수 있으며, 만약 그렇다면 어떤 조건에서 그러한가?
• RQ2 상관관계의 존재가 감각 자극의 신경 인구 활동에서의 복원 정확도와 속도에 어떻게 영향을 미치는가?
• RQ3 ΔI > 0이지만 선형 분류기가 독립성과 상관관계 가정 하에서 동일한 성능을 내는 경우가 존재하는가?
• RQ4 최적의 복원에 있어 중복되지만, 왜 상관관계가 진화적으로 유리할 수 있는가?
• RQ5 뇌가 독립된 반응 분포에 접근할 수 없음을 고려할 때, 상관관계는 학습과 근사 계산에 어떻게 영향을 미치는가?

주요 결과

• 많은 경우에서 뇌는 단일 신경 세포 반응 분포만으로도 최적에 가까운 복원을 달성할 수 있으며, 이는 상관관계가 최적 추론에 있어 종종 중복됨을 시사한다.
• 이러한 중복성에도 불구하고 상관관계는 복원 속도를 크게 향상시킬 수 있다. 약 100개의 망막 간상세포로 구성된 인구에서 상관관계를 포함했을 경우 복원 속도가 3배 빨라지는 것으로 관찰되었다.
• 독립 모델과 상관관계 모델 간 복원 성능의 차이를 측정하는 ΔI는, 비최적 복원기가 양자리에서 동일한 성능을 내는 경우에도 비영일 수 있다.
• ΔI > 0이지만 상관관계가 정확한 복원에 필수적이지 않은 경우가 존재하며, 이는 ΔI가 기능적 중요성을 신뢰할 수 있는 지표가 아니라는 것을 보여준다.
• 뇌는 독립된 반응 분포에 접근할 수 없기 때문에, 진정한 질문은 상관관계가 최적 복원에 영향을 미치는가가 아니라, 학습과 근사 계산에 어떻게 영향을 미치는가이다.
• 이 연구는 대규모 신경 인구가 상관관계의 진정한 기능적 역할을 드러내는 데 필수적임을 강조한다. 작은 인구에서는 효과가 종종 가려지기 때문이다.