[论文解读] Neural codes and homotopy types: mathematical models of place field recognition

Yuri I. Manin|arXiv (Cornell University)|Jan 1, 2015

Image Retrieval and Classification Techniques参考文献 17被引用 3

一句话总结

该论文提出了一套数学框架，将神经编码——即神经元放电的二进制模式——与刺激空间的拓扑结构联系起来，表明在接收场为凸集的假设下，环境的同伦型可从神经活动模式中重建。研究证明，由神经编码导出的单纯集编码了空间环境的关键拓扑不变量，从而实现了从局部神经反应推断全局结构。

ABSTRACT

This note is a brief survey of some results of the recent collaboration of neurobiologists and mathematicians dedicated to stimulus reconstruction from neuronal spiking activity. This collaboration, in particular, led to the consideration of binary codes used by brain for encoding a stimuli domain such as a rodent's territory through the combinatorics of its covering by local neighborhoods. The survey is addressed to mathematicians (cf. [DeSch01]) and focuses on the idea that stimuli spaces are represented by the relevant neural codes as simplicial sets and thus encode say, the homotopy type of space if local neighborhoods are convex (see [CuIt08], [CuItVCYo13], [Yo14], [SiGh07]).}

研究动机与目标

• 研究大脑如何通过海马体位置细胞放电产生的二进制神经编码来表征空间环境。
• 确定从神经编码 C 可推断出的刺激空间 X 的哪些拓扑性质，特别是当接收场满足凸性假设时。
• 在神经活动模式与底层空间域的同伦型之间建立数学桥梁。
• 探索代数拓扑与单纯集在建模神经空间表征中的适用性。
• 在神经编码重构与反汇编之间建立类比，将神经放电视为拓扑结构的表征符号。

提出的方法

• 将刺激空间 X 建模为被凸接收场 {Ui} 覆盖的拓扑空间，表示神经反应区域。
• 将神经活动模式表示为二进制编码 C ⊆ {0,1}^n，其中每个码字对应一组放电神经元的子集。
• 通过将接收场的每个非空交集与一个单纯形关联，从编码 C 构造单纯复形。
• 利用覆盖 {Ui} 的神经复形定义一个单纯集，其同伦型在接收场为凸的条件下反映 X 的同伦型。
• 在 F2 上应用代数技术分析编码的定义理想，提取接收场之间非平凡集合关系的信息。
• 利用代数拓扑结果（如神经定理）推断：当所有 Ui 均为凸集时，X 的同伦型可从 C 中恢复。

实验结果

研究问题

• RQ1 能否从表示位置细胞活动的二进制神经编码中重构空间环境的全局拓扑结构？
• RQ2 在何种条件下，与神经编码相关联的单纯复形能捕捉底层刺激空间的同伦型？
• RQ3 如何通过编码的代数不变量——如 F2[x1,…,xn] 中理想的理想生成元——揭示接收场之间非显见的拓扑或集合关系？
• RQ4 在多大程度上，神经编码可被视为空间结构的“反编译”表示形式，类似于计算机科学中的逆向编译？
• RQ5 该框架能否扩展至使用类似的拓扑与代数工具建模语义空间？

主要发现

• 当所有接收场 Ui 均为 d 维欧氏空间中的凸子集时，覆盖 {Ui} 的神经复形与刺激空间 X 具有相同的同伦型。
• 在满足神经定理所要求的凸性与有限交集条件时，X 的同伦型可完全从神经编码 C 中恢复。
• 可通过编码 C 的组合不变量对刺激空间的嵌入维数 d 从下限进行界定。
• 接收场之间的非平凡集合关系——如 ∩i∈σ Ui ⊆ ∪j∈τ Uj（其中 σ 与 τ 为不相交的指标集）——可通过编码理想在 F2[x1,…,xn] 中的多项式生成元检测。
• 该框架为神经编码提供了拓扑解释，即其作为空间结构的表征符号，而接收场覆盖的神经复形则作为被表征的对象。
• 该方法在神经编码重构与反汇编之间建立了正式类比，其中神经放电模式编码了更高层级的拓扑结构。