[論文レビュー] Fluid limit theorems for stochastic hybrid systems with application to neuron models

K. Pakdaman, M. Thieullen+1 more|arXiv (Cornell University)|Jan 14, 2010

Gene Regulatory Network Analysis被引用数 10

ひとこと要約

本稿は、連続的決定的ダイナミクスとマコフ跳躍過程が結合された確率的ハイブリッドシステムについて、流体極限定理を確立する。機能的大数の法則（指数的収束速度を伴う）と機能的中心極限定理を証明する。神経モデルにおける確率的イオンチャネルに応用することで、チャネルノイズがスパイクタイミングと周波数符号化に与える影響を定量的に評価し、ノイズ由来の揺らぎが $1/\sqrt{N}$ のスケールで増大し、決定的極限への収束が $N$ に対して指数的に速いことを示す。本結果は、有限サイズの確率的ゆらぎ下での神経系における精度と信頼性の推定に、厳密なフレームワークを提供する。

ABSTRACT

This paper establishes limit theorems for a class of stochastic hybrid systems (continuous deterministic dynamic coupled with jump Markov processes) in the fluid limit (small jumps at high frequency), thus extending known results for jump Markov processes. We prove a functional law of large numbers with exponential convergence speed, derive a diffusion approximation and establish a functional central limit theorem. We apply these results to neuron models with stochastic ion channels, as the number of channels goes to infinity, estimating the convergence to the deterministic model. In terms of neural coding, we apply our central limit theorems to estimate numerically impact of channel noise both on frequency and spike timing coding.

研究の動機と目的

• 純粋なジャンプ型マコフ過程からの流体極限定理を、連続的およびジャンプ的ダイナミクスが結合された確率的ハイブリッドシステムへと拡張すること。
• 確率的イオンチャネルに起因する有限サイズのゆらぎが神経モデルに与える影響を分析すること。
• チャネルノイズが神経符号化（特にスパイクタイミングと周波数符号化）に与える影響を定量的に評価すること。
• 決定的流体極限まわりのゆらぎに対する拡散近似と機能的中心極限定理を導出すること。
• 収束誤差の指数的尾部推定を提供し、所望の精度を達成するための必要十分な集団サイズ $N$ を正確に予測可能にする。

提案手法

• 状態依存のジャンプレートを持つ連続時間マコフ過程として確率的ハイブリッドシステムをモデル化し、グローバル変数 $V_N$ を記述する常微分方程式と結合する。
• 指数的マルティングルの不等式を適用して、機能的大数の法則を証明し、収束速度が指数的であることを示す：$P(E_N(T) > \Delta) \leq e^{-\Delta N H(T)}$、ここで $E_N(T)$ は $[0,T]$ 上のスレートノルム誤差である。
• $(V_N, e_N)$ の結合過程に対する拡散近似を、ゆらぎの中心極限定理を用いて導出する。ここで $e_N$ は状態の経験的測度である。
• 流体極限まわりのゆらぎに対する線形化ランジュアン近似を構築し、生成子から導かれるドリフトおよび拡散係数を持つブラウン運動によって駆動される確率微分方程式系を得る。
• 線形化された系のモーメント方程式を用いて、ゆらぎ過程の一次および二次モーメントの時間発展を計算する。
• モリス・レカル神経モデルにこのフレームワークを適用し、電圧、活性化および不活性化変数のための明示的なモーメント方程式を導出する。

実験結果

リサーチクエスチョン

• RQ1 数 $N$ が増加する際、確率的ハイブリッドシステムの解がどのように決定的流体極限に収束するか。
• RQ2 流体極限への収束速度は何か？ また、指数的尾部バウンドによって定量的に評価可能か？
• RQ3 流体極限まわりのゆらぎはどのように振る舞い、ガウス過程によって近似可能か？
• RQ4 有限サイズの確率的ゆらぎ（チャネルノイズ）は、神経モデルにおけるスパイクタイミングと周波数符号化にどのような影響を与えるか？
• RQ5 所望の精度を達成するためのイオンチャネル数 $N$ は、どのように推定可能か？

主な発見

• 指数的収束速度を伴う流体極限が確立され、$P(E_N(T) > \Delta) \leq e^{-\Delta N H(T)}$ という誤差の定量的バウンドが得られ、時間区間 $[0,T]$ における誤差の制限が明確に示される。
• 流体極限まわりのシステムのゆらぎは漸近的にガウス分布に従い、遷移レートから導かれるドリフトおよび拡散係数を含む確率微分方程式系による拡散近似が与えられる。
• ハイブリッドシステムの中心極限定理により、スケーリングされたゆらぎ $\sqrt{N}(\tilde{e}_N - e)$ が弱収束し、ドリフト $b(v,e)$ および拡散 $\sqrt{\lambda(v,e)/N}$ を持つ拡散過程に収束することが示される。
• モリス・レカルモデルにおいて、線形化されたゆらぎのモーメント方程式は、時間に依存する係数を持つ線形非同次常微分方程式系となり、ノイズ由来の揺らぎの分散および共分散の数値的推定が可能になる。
• 解析により、チャネルノイズがスパイクタイミングと周波数符号化における揺らぎを $1/\sqrt{N}$ のスケールで引き起こすことが明らかになり、所望の精度を達成するための $N$ は、関心のある時間スケールに応じて増加することが示された。
• このフレームワークにより、チャネルノイズが神経符号化に与える影響を数値的に推定可能であり、ノイズがアクションポテンシャル生成における時間的精度に顕著な影響を与えることが示された。