[论文解读] Computational principles of biological memory

Marcus K. Benna, Stefano Fusi|arXiv (Cornell University)|Jul 27, 2015

Neural dynamics and brain function参考文献 32被引用 14

一句话总结

本文提出了一种双向、多时间尺度的突触模型，通过将记忆动态地从快速、不稳定的变量转移到更慢、更稳定的变量，实现了记忆容量与突触数量近乎线性的增长。与以往具有平方根缩放特性的模型不同，该机制在保持强初始记忆痕迹的同时，实现了鲁棒且高容量的记忆存储，并解释了诸如突触可塑性可塑性（metaplasticity）和间隔效应等生物现象。

ABSTRACT

Memories are stored, retained, and recollected through complex, coupled processes operating on multiple timescales. To understand the computational principles behind these intricate networks of interactions we construct a broad class of synaptic models that efficiently harnesses biological complexity to preserve numerous memories. The memory capacity scales almost linearly with the number of synapses, which is a substantial improvement over the square root scaling of previous models. This was achieved by combining multiple dynamical processes that initially store memories in fast variables and then progressively transfer them to slower variables. Importantly, the interactions between fast and slow variables are bidirectional. The proposed models are robust to parameter perturbations and can explain several properties of biological memory, including delayed expression of synaptic modifications, metaplasticity, and spacing effects.

研究动机与目标

• 解决突触记忆模型中的可塑性-刚性困境，即高可塑性会损害长期保留。
• 开发一种高记忆容量但不牺牲初始记忆强度的突触模型。
• 通过统一的计算框架解释生物记忆现象，如突触修饰的延迟表达、突触可塑性可塑性（metaplasticity）和间隔效应。
• 证明快速与慢速突触变量之间的双向相互作用显著提升了记忆寿命和容量。

提出的方法

• 该模型采用一系列在多个时间尺度上运行的生化过程，通过快速（不稳定）和慢速（稳定）突触变量之间的双向耦合实现。
• 记忆最初存储在快速变量中，并逐步转移到更慢的变量中，模拟突触巩固过程。
• 学习规则被设计为在通过信息的动态再分配实现长期保留的同时，维持强烈的初始记忆痕迹。
• 采用广义读出机制，其偏置项与编码水平（c = f）成正比，以优化信噪比和容量，尤其在存在空间相关性时表现更优。
• 通过信噪比计算和在不同编码水平与网络规模下的模拟，对模型进行了理论和数值验证。
• 理论分析表明，记忆容量几乎与突触数量呈线性增长，优于以往的平方根缩放模型。

实验结果

研究问题

• RQ1 如何使突触模型在保持强初始记忆痕迹的同时实现高记忆容量？
• RQ2 快速与慢速突触变量之间的双向相互作用在提升记忆寿命方面发挥什么作用？
• RQ3 该模型如何通过多时间尺度动力学解释生物现象，如突触修饰的延迟表达和间隔效应？
• RQ4 在现实生物约束下，记忆容量能否几乎线性地随突触数量增长？
• RQ5 突触修饰中的空间相关性如何影响记忆容量，又如何加以缓解？

主要发现

• 该模型实现了记忆容量几乎与突触数量呈线性增长，显著优于以往模型的平方根缩放特性。
• 初始记忆强度与突触数量的平方根近似成正比，从而在不损害长期保留的前提下，保持了强烈的记忆痕迹形成。
• 快速与慢速变量之间的双向耦合显著减缓了记忆痕迹的衰减，延长了记忆寿命。
• 采用平衡读出（c = f）通过规避突触修饰模式中空间相关性的负面影响，显著提升了容量。
• 该模型通过其多时间尺度动力学，稳健地解释了生物现象，如突触可塑性可塑性（metaplasticity）、突触修饰延迟表达和间隔效应。
• 信噪比分析确认，模型容量与编码水平f成反比，当f较小时且Nf²不大时性能最优。