[論文レビュー] Critical Limits in a Bump Attractor Network of Spiking Neurons

Alberto Arturo Vergani, Christian Huyck|arXiv (Cornell University)|Mar 30, 2020

Neural dynamics and brain function参考文献 18被引用数 1

ひとこと要約

本論文は、神経モルフィックシミュレーションを用いてスパikingバンプアトラクタネットワークにおける臨界パラメータ限界を調査し、スパイクパターンが静止状態に保たれるか、複数のストリームに分裂するか、または発散するかを決定するのは、興奮と抑制のバランスであることを明らかにした。主な発見では、分裂は、興奮に対して強い抑制が関与することに起因し、発散は過剰な興奮に起因することを示した。入力サイズと重み設定が、これらの挙動を制御する重要なパラメータである。

ABSTRACT

A bump attractor network is a model that implements a competitive neuronal process emerging from a spike pattern related to an input source. Since the bump network could behave in many ways, this paper explores some critical limits of the parameter space using various positive and negative weights and an increasing size of the input spike sources The neuromorphic simulation of the bumpattractor network shows that it exhibits a stationary, a splitting and a divergent spike pattern, in relation to different sets of weights and input windows. The balance between the values of positive and negative weights is important in determining the splitting or diverging behaviour of the spike train pattern and in defining the minimal firing conditions.

研究の動機と目的

• スパイクニューロンから構成されるバンプアトラクタネットワークにおける、明確なスパイクパターン行動を決定づける臨界パラメータ境界を同定すること。
• 正の（興奮性）および負の（抑制性）シナプス重みを変化させた場合に、ネットワークダイナミクスに与える影響を調査すること。
• 入力ウィンドウサイズとスパイク源の数が、出現するスパイクトレインパターンに与える影響を検討すること。
• ネットワーク活性化のための最小発火条件と点火閾値を特定すること。
• 100ニューロンからなる1次元ネットワークにおける、静止、分裂、発散スパイクパターンの間の遷移を調査すること。

提案手法

• 100個のリーク型積分・放電ニューロンからなる1次元バンプアトラクタネットワークの神経モルフィックシミュレーション。
• 固定されたシナプストポロジー：各ニューロンは2つの興奮性接続（近隣ニューロン）と4つの抑制性接続（2番目の近隣ニューロン）を受ける。
• パラメータ空間をマップするために、複数のシミュレーションで正負のシナプス重みを体系的に変化させた。
• 点火とパターン出現を調査するために、入力スパイク源のサイズと強度を変化させた。
• スパイクトレインパターンを3つのカテゴリーに分類した：静止、分裂（複数のストリーム）、発散（不安定なアバランチ様活動）。
• 膜電位ダイナミクスとスパイクタイミングに注目し、パターンタイプ間の臨界遷移を特定する分析を実施した。

実験結果

リサーチクエスチョン

• RQ1 バンプアトラクタネットワークにおいて、どの興奮性および抑制性シナプス重みの組み合わせが、静止、分裂、または発散スパイクパターンを生じるか？
• RQ2 入力スパイクウィンドウのサイズが、複数のスパイクストリームまたは発散的活動の出現にどのように影響するか？
• RQ3 ネットワーク活性化を引き起こすために必要な最小入力要件（スパイク源の数と強度）は何か？
• RQ4 興奮と抑制のバランスが、ネットワークが分裂行動または発散行動を示すかどうかをどのように決定づけるか？
• RQ5 分裂と発散のパターンの境界に位置する重み設定はどのようなものか？ そして、それらはネットワークの安定性について何を明らかにするか？

主な発見

• 少数の入力スパイク源でネットワークを点火できるが、これは興奮性重みが十分に高い場合に限る（例：0.10）、活性化の閾値があることを示唆している。
• 複数のスパイクストリームへの分裂行動は、主に、興奮に対して強い抑制性重みが関与することに起因しており、抑制がパターン形成において重要な役割を果たしていることを示している。
• 発散的スパイクパターンは、興奮が優勢になると発生し、過剰な興奮が制御不能なアバランチ様活動を引き起こすことを示している。
• スパイクストリームの数は、入力ウィンドウサイズとスパイク源の数に比例して増加するため、入力密度が高いほど分裂行動が促進される。
• 分裂と発散の境界に位置する重み設定ではハイブリッドな挙動を示し、両現象が共存する中間的状態が存在することを示唆している。
• ネットワークの挙動は、正負の重み比に極めて敏感であり、特定の重み組み合わせで臨界遷移が観察された。