[논문 리뷰] Validating Stochastic Models: Invariance Criteria for Systems of Stochastic Differential Equations and the Selection of a Stochastic Hodgkin-Huxley Type Model

Jacky Cresson, Bénédicte Puig외 1명|arXiv (Cornell University)|2012. 09. 20.

stochastic dynamics and bifurcation참고 문헌 7인용 수 12

한 줄 요약

이 논문은 랜덤 미분 방정식(SDE) 시스템에 대해 해가 R^m의 직사각형 부분집합 내에 머물도록 보장하는 명시적 필수 및 필요조건 기준을 개발한다. 이는 신경망 모델에서의 게이팅 변수에 대한 단위 구간과 같은 경우를 포함한다. 저자는 이토 및 스트라토노비치 해석 모두에 유효한 조건을 유도하여, 게이팅 변수가 0과 1 사이에 유한하게 유지되는 타당한 확률적 허딩턴-후크리-하우리 타입 모델을 구축할 수 있게 하며, 계산 신경과학 분야에서의 핵심 검증 과제를 해결한다.

ABSTRACT

In recent years, many difficulties appeared when taking into account the inherent stochastic behavior of neurons and voltage-dependent ion channels in Hodgking-Huxley type models. In particular, an open problem for a stochastic model of cerebellar granule cell excitability was to ensure that the values of the gating variables remain within the unit interval. In this paper, we provide an answer to this modeling issue and obtain a class of viable stochastic models. We select the stochastic models thanks to a general criterion for the flow invariance of rectangular subsets under systems of stochastic differential equations. We formulate explicit necessary and sufficient conditions, that are valid for both, It\\^o's and Stratonovich's interpretation of stochastic differential equations, improving a previous result obtained by A. Milian [A.Milian, Coll. Math. 1995] in the It\\^o case. These invariance criteria allow to validate stochastic models in many applications. To illustrate our results we present numerical simulations for a stochastic Hodgkin-Huxley model.

연구 동기 및 목표

• 신경망 모델에서 물리적으로 타당하지 않은 값이 발생하는 문제, 특히 게이팅 변수가 [0,1]을 초과하는 체르레벨라 granule 세포의 경우를 해결하기 위해.
• R^m 내 직사각형 부분집합에 대해 SDE 하에서의 일반적인 불변성 기준을 개발하여 모델의 타당성을 확보하기 위해.
• 이토 및 스트라토노비치 해석 모두에 대해 유효한 것으로 증명함으로써 이전의 불변성 결과를 통합하고 확장하기 위해.
• 불변성 기준을 적용하여 생물학적으로 타당한 제약 조건을 유지하는 확률적 허딩턴-후크리-하우리 모델을 선택하기 위해.

제안 방법

• 드리프트 f와 확산 g를 갖는 이토 SDE 시스템을 설정하여 확률적 신경망 역학을 모델링한다.
• 확산 과정의 생성자(Generator)를 이용하여 직사각형 집합의 불변성에 대한 명시적 필요 및 충분 조건을 도출한다.
• 불변성 정리를 양의 쿠브와 단위 초입방체에 적용하여 게이팅 변수의 유한성 보장을 한다.
• 이토 및 스트라토노비치 SDE 간의 변환을 이용하여, 불변성 조건이 확률적 해석 방법의 선택과 무관하다는 것을 보여준다.
• 생물학적으로 타당한 매개변수를 갖는 확률적 허딩턴-후크리-하우리 모델에 기준을 검증한다.
• 수치 시뮬레이션을 수행하여 선택된 모델이 확률적 외란 하에서도 게이팅 변수가 [0,1] 내에 유지됨을 입증한다.

실험 결과

연구 질문

• RQ1 드리프트 및 확산 계수에 어떤 조건이 성립해야 SDE의 해가 R^m의 직사각형 부분집합, 예를 들어 [0,1]^m 내에 머물 수 있는가?
• RQ2 SDE의 이토 및 스트라토노비치 해석 간 선택에 영향을 받지 않는 불변성 기준은 어떻게 확보할 수 있는가?
• RQ3 이러한 기준은 게이팅 변수가 유한한 범위에 제한되는 허딩턴-후크리-하우리 타입 모델을 포함한 신경전기 모델의 검증에 적용 가능한가?
• RQ4 확률적 허딩턴-후크리-하우리 모델에서 게이팅 변수가 단위 구간을 벗어나지 않도록 보장하는 구체적인 수학적 조건은 무엇인가?
• RQ5 수치 시뮬레이션은 어떻게 선택된 확률적 모델이 생물학적 제약 조건을 유지하는지를 확인할 수 있는가?

주요 결과

• 논문은 이토 및 스트라토노비치 해석 모두에 대해 유효한 SDE 하에서 직사각형 부분집합의 불변성에 대한 명시적 필수 및 필요조건 기준을 수립한다.
• 불변성 조건은 확률적 해석 방법에 영향을 받지 않으며, 다양한 모델링 프레임워크에서의 강건성을 보장한다.
• 양의 쿠브 K^+ ⊂ R^m에 대해, f_i ≥ 0 이고 x_i = 0일 때 g_{i,j} = 0 이면 불변성이 성립한다.
• 단위 초입방체 K = [0,1]^m에 대해, 불변성이 보장되려면 x_i = 0일 때 f_i ≥ 0 이고 g_{i,j} = 0 이며, x_i = 1일 때 f_i ≤ 0 이고 g_{i,j} = 0 이어야 한다.
• 수치 시뮬레이션을 통해 선택된 확률적 허딩턴-후크리-하우리 모델이 게이팅 변수를 [0,1] 내에 유지함을 확인하여 오랫동안 지속된 모델링 문제를 해결한다.
• 밀리안(Milian, 1995)의 이전 연구를 일반화하여 생물학 및 신경과학 분야의 확률적 모델 검증을 위한 통합 프레임워크를 제공한다.