[论文解读] A Fokker-Planck approach to graded information propagation in pulse-gated feedforward neuronal networks

Cong Wang, Zhuo-Cheng Xiao+3 more|arXiv (Cornell University)|Dec 1, 2015

Neural dynamics and brain function参考文献 30被引用 5

一句话总结

本文采用福克-普朗克方法分析脉冲门控前馈神经元网络中的分级信息传播，表明由于膜电位概率密度函数中存在近似线性吸引子，时间平移不变的放电概率得以涌现。该方法揭示了突触耦合、门控电流幅值和初始概率密度共同实现了跨层的鲁棒、精确的分级传递。

ABSTRACT

Information transmission is a key element for information processing in the brain. A number of mechanisms have been proposed for transferring volleys of spikes between layers of a feedforward neural circuit. Many of these mechanisms use synchronous activity to provide windows in time when spikes may be transferred more easily from layer to layer. Recently, we have demonstrated that a pulse-gating mechanism can transfer graded information between layers in a feedforward neuronal network. Our transfer mechanism resulted in a time-translationally invariant firing rate and synaptic current waveforms of arbitrary amplitude, thus providing exact, graded information transfer between layers. In this paper, we apply a Fokker-Planck approach to understand how this translational invariance manifests itself in a high-dimensional, non-linear feedforward integrate-and-fire network. We show that there is good correspondence in spiking probabilities between the Fokker-Planck solutions and our previous mean-field solutions. We identify an approximate line attractor in state space as the essential structure underlying the time-translational invariance of our solutions. This approach has enabled us to better understand the role played by the synaptic coupling, gating pulse and the membrane potential probability density function in information transfer.

研究动机与目标

• 理解脉冲门控前馈神经元网络中时间平移不变放电概率的机制。
• 研究平均场 firing rate 模型与随机积分-放电（I&F）网络在分级信息传递中的对应关系。
• 识别支持高维状态空间中鲁棒、分级传播的动力学结构，特别是近似线性吸引子。
• 阐明突触耦合、门控电流和初始膜电位概率密度在实现稳定信息传递中的作用。

提出的方法

• 为具有电流型突触的脉冲门控、前馈 I&F 网络的膜电位概率密度函数（PDF）制定福克-普朗克方程。
• 使用具有方波包络和白噪声的随机过程建模突触电流动力学，整合突触耦合强度 $ S $、门控电流 $ I_j^g $ 和平均突触概率 $ p $。
• 通过数值模拟分析 PDF 在各层之间的演化，评估时间平移不变性及向稳定流形的收敛性。
• 在由连续层中 PDF 均值构成的状态空间中识别出一个近似线性吸引子，表明存在低维不变结构。
• 将福克-普朗克解与先前的平均场模型结果进行比较，以验证对应关系并识别差异。
• 通过 PDF 均值的状态空间分析，证明其快速收敛至对角线，表明存在线性吸引子。

实验结果

研究问题

• RQ1 福克-普朗克方法如何解释脉冲门控 I&F 网络中时间平移不变放电概率的涌现？
• RQ2 在高维、非线性神经元网络中，何种动力学结构支撑了分级信息传递的鲁棒性？
• RQ3 突触耦合强度 $ S $、门控电流幅值 $ \bar{I}^g $ 和初始 PDF $ \rho_j(V, jT) $ 如何共同影响分级传播的稳定性和准确性？
• RQ4 福克-普朗克方法对 PDF 的解在多大程度上与平均场 firing rate 模型一致，以捕捉分级信息传递？
• RQ5 膜电位 PDF 的时间平移不变性在实现跨网络层精确、分级传递中起到何种作用？

主要发现

• 福克-普朗克解与平均场模型在预测放电概率方面具有强对应关系，验证了该系统中平均场近似的有效性。
• 在 PDF 均值的状态空间中出现近似线性吸引子，解释了放电概率的时间平移不变行为。
• 分级信息传递在突触耦合强度 $ S $ 接近精确值 $ S_{\text{exact}} = \frac{\tau}{T} e^{T/\tau} $ 的范围内具有鲁棒性，$ \bar{I}^g $ 和初始 PDF 同样发挥关键作用。
• 当 $ \bar{I}^g > \bar{I}^g_{\text{graded}} $ 时，PDF 的均值随时间增加，表明传播稳定；当 $ \bar{I}^g < \bar{I}^g_{\text{graded}} $ 时，均值减小，表明分级传递失败。
• 福克-普朗克分析表明，底层概率密度函数在初始瞬态之后表现出离散的时间平移不变性，支持稳定的信息传递。
• 系统在 PDF 均值的状态空间中快速收敛至对角线，证实了低维、稳定流形的存在，从而支持鲁棒、分级的传播。