論文の概要: High-resolution spatial memory requires grid-cell-like neural codes

• arxiv url: http://arxiv.org/abs/2507.00598v1
• Date: Tue, 01 Jul 2025 09:29:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.557733
• Title: High-resolution spatial memory requires grid-cell-like neural codes
• Title（参考訳）: 高分解能空間記憶はグリッドセルのようなニューラルコードを必要とする
• Authors: Madison Cotteret, Christopher J. Kymn, Hugh Greatorex, Martin Ziegler, Elisabetta Chicca, Friedrich T. Sommer,
• Abstract要約: 連続誘引ネットワーク(Continuous attractor Network, CAN)は、脳が一時的に連続的な行動変数を保持する方法をモデル化するために広く用いられている。 以前の研究は、連続体を離散的な誘引状態の有限集合に分解することは不完全性に堅牢性をもたらすことを示した。 この安定性分解性ジレンマは, アンモダルバンプ様符号を用いたCANにおいて最も重大であることを示す。 我々は,CANが高安定性と高分解能の両方を同時に達成できることを,グリッドセルライクなコードで理論的およびシミュレーションで実証した。
• 参考スコア（独自算出の注目度）: 2.5811528877164815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous attractor networks (CANs) are widely used to model how the brain temporarily retains continuous behavioural variables via persistent recurrent activity, such as an animal's position in an environment. However, this memory mechanism is very sensitive to even small imperfections, such as noise or heterogeneity, which are both common in biological systems. Previous work has shown that discretising the continuum into a finite set of discrete attractor states provides robustness to these imperfections, but necessarily reduces the resolution of the represented variable, creating a dilemma between stability and resolution. We show that this stability-resolution dilemma is most severe for CANs using unimodal bump-like codes, as in traditional models. To overcome this, we investigate sparse binary distributed codes based on random feature embeddings, in which neurons have spatially-periodic receptive fields. We demonstrate theoretically and with simulations that such grid-cell-like codes enable CANs to achieve both high stability and high resolution simultaneously. The model extends to embedding arbitrary nonlinear manifolds into a CAN, such as spheres or tori, and generalises linear path integration to integration along freely-programmable on-manifold vector fields. Together, this work provides a theory of how the brain could robustly represent continuous variables with high resolution and perform flexible computations over task-relevant manifolds.
• Abstract（参考訳）: 連続誘引ネットワーク(Continuous attractor network, CAN)は、脳が環境における動物の位置のような持続的な反復活動を通じて、一時的に連続的な行動変数を保持する方法をモデル化するために広く用いられている。 しかし、この記憶機構は、生物学的システムに共通するノイズや不均一性のような小さな不完全性にも非常に敏感である。 以前の研究は、連続体を離散的誘引状態の有限集合に分解することは、これらの不完全性に対して堅牢性をもたらすが、必ずしも表現された変数の分解を減少させ、安定性と分解性の間にジレンマを生じさせることを示した。 この安定度ジレンマは、従来のモデルのように、一様バンプのような符号を用いるCANにとって最も深刻であることを示す。 そこで本研究では,空間的に周期的な受容野を持つニューロンのランダムな特徴埋め込みに基づく疎二元分布コードについて検討する。 我々は,CANが高安定性と高分解能の両方を同時に達成できることを,グリッドセルライクなコードで理論的およびシミュレーションで実証した。 このモデルは任意の非線形多様体を球体やトーラスのような CAN に埋め込み、線形経路積分を自由計画可能なオンマンフォールドベクトル場に沿った積分に一般化する。 この研究は、脳が高分解能で連続変数を頑健に表現し、タスク関連多様体上で柔軟な計算を行う方法の理論を提供する。

関連論文リスト

• Neural Cellular Automata: From Cells to Pixels [66.28419836820035]
  バイオインスパイアされたニューラルセルラーオートマタ(NCAs)は、同じ細胞が自己組織され、単純な局所規則を適用することで複雑でコヒーレントなパターンを形成する生体インスパイアされたシステムである。 NCAは、自己再生、一般化、見えない状況に対する堅牢性、自発的な動きなど、突発的な行動を示す。 暗黙のデコーダを備えたNAAは,自己組織的,創発的特性を保ちながら,リアルタイムにフルHD出力を生成可能であることを示す。
  論文  参考訳（メタデータ） (2025-06-28T14:30:21Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• On stability issues of the HEOM method [0.0]
  補助密度演算子の階層化に必要な切り離しは,完全制御不能な誤差を生じさせると考えられる。 放散型貯水池との強い結合には, 階層構造を任意の有限サイズに切り離すことが問題となる。
  論文  参考訳（メタデータ） (2024-08-10T11:13:18Z)
• $\infty$-Brush: Controllable Large Image Synthesis with Diffusion Models in Infinite Dimensions [58.42011190989414]
  無限次元における新しい条件拡散モデル、制御可能な大画像合成のための$infty$-Brushを導入する。 我々の知る限り、$infty$-Brushは関数空間における最初の条件拡散モデルであり、最大4096times4096$ピクセルの任意の解像度で画像を制御できる。
  論文  参考訳（メタデータ） (2024-07-20T00:04:49Z)
• Smooth and Sparse Latent Dynamics in Operator Learning with Jerk Regularization [1.621267003497711]
  本稿では,圧縮された潜在空間の学習にジャッジ正規化を組み込んだ連続演算子学習フレームワークを提案する。 このフレームワークは、任意の所望の空間的あるいは時間的解像度での推論を可能にする。 この枠組みの有効性は、ナヴィエ・ストークス方程式によって支配される二次元非定常流問題によって証明される。
  論文  参考訳（メタデータ） (2024-02-23T22:38:45Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Quantum associative memory with a single driven-dissipative nonlinear oscillator [0.0]
  本稿では,単一駆動型量子発振器を用いた連想メモリの実現を提案する。 このモデルは、大局的に離散ニューロンベースのシステムの記憶能力を向上させることができる。 結合記憶容量は、リウヴィリア超作用素におけるスペクトルギャップの存在と本質的に関連していることを示す。
  論文  参考訳（メタデータ） (2022-05-19T12:00:35Z)
• Message Passing Neural PDE Solvers [60.77761603258397]
  我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。 本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。 本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
  論文  参考訳（メタデータ） (2022-02-07T17:47:46Z)
• Manifold GPLVMs for discovering non-Euclidean latent structure in neural data [5.949779668853555]
  神経科学における一般的な問題は、行動的に重要な変数の集合的神経表現を解明することである。 本稿では,新しい確率潜在変数モデルを提案し,各ニューロンがその表現に寄与する潜在状態を同時に同定する。
  論文  参考訳（メタデータ） (2020-06-12T19:08:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。