本研究では、成体ゼブラフィッシュの嗅覚野に相当する領域Dpに基づいて構築したスパイキングニューラルネットワークモデルを用いて、記憶ネットワークの計算論的特性を分析した。
主な知見は以下の通り:
興奮性ニューロンと抑制性ニューロンが共調和的に活動する「E/I アセンブリ」を含むネットワークでは、安定した発火率分布が維持され、離散的な引き込み状態は観察されない。
E/Iアセンブリを含むネットワークでは、学習された入力に対する活動パターンが連続的な表現空間に制限される。この幾何学的変換により、選択的な読み出しから学習された入力のパターン分類が強化される。
E/Iアセンブリを含むネットワークは、記憶の蓄積に対して安定しており、連続学習に適している。
これらの結果は、生物学的に制約された記憶ネットワークが、離散的な引き込み状態ではなく、連続的な表現空間を生成することで、高次の学習や認知計算の基盤を提供する可能性を示唆している。
To Another Language
from source content
biorxiv.org
Key Insights Distilled From
by Meissner-Ber... at www.biorxiv.org 12-13-2023
https://www.biorxiv.org/content/10.1101/2023.12.12.571272v2Deeper Inquiries