論文の概要: Homeostatic Adaptation of Optimal Population Codes under Metabolic Stress
- arxiv url: http://arxiv.org/abs/2507.07874v1
- Date: Thu, 10 Jul 2025 15:58:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-11 16:40:15.476392
- Title: Homeostatic Adaptation of Optimal Population Codes under Metabolic Stress
- Title（参考訳）: 代謝ストレス下における最適集団符号のホメオスタティック適応
- Authors: Yi-Chun Hung, Gregory Schwartz, Emily A. Cooper, Emma Alexander,
- Abstract要約: マウス視覚野のニューロンは「低出力モード」に入り、発火速度のホメオスタシスを保ち、エネルギーを抑える。
この適応により、代謝ストレスに応じてニューロンのノイズとチューニング曲線が平坦になる。
エネルギー予算や符号化目標の異なるニューロンに対して最適な符号化戦略を解析的に導出する。
- 参考スコア（独自算出の注目度）: 2.388418486046813
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Information processing in neural populations is inherently constrained by metabolic resource limits and noise properties, with dynamics that are not accurately described by existing mathematical models. Recent data, for example, shows that neurons in mouse visual cortex go into a "low power mode" in which they maintain firing rate homeostasis while expending less energy. This adaptation leads to increased neuronal noise and tuning curve flattening in response to metabolic stress. We have developed a theoretical population coding framework that captures this behavior using two novel, surprisingly simple constraints: an approximation of firing rate homeostasis and an energy limit tied to noise levels via biophysical simulation. A key feature of our contribution is an energy budget model directly connecting adenosine triphosphate (ATP) use in cells to a fully explainable mathematical framework that generalizes existing optimal population codes. Specifically, our simulation provides an energy-dependent dispersed Poisson noise model, based on the assumption that the cell will follow an optimal decay path to produce the least-noisy spike rate that is possible at a given cellular energy budget. Each state along this optimal path is associated with properties (resting potential and leak conductance) which can be measured in electrophysiology experiments and have been shown to change under prolonged caloric deprivation. We analytically derive the optimal coding strategy for neurons under varying energy budgets and coding goals, and show how our method uniquely captures how populations of tuning curves adapt while maintaining homeostasis, as has been observed empirically.
- Abstract（参考訳）: ニューラル集団における情報処理は、メタボリックな資源制限とノイズ特性によって本質的に制約されており、既存の数学的モデルでは正確に記述されていないダイナミクスがある。
例えば、最近のデータでは、マウス視覚野のニューロンが「低出力モード」に入り、より少ないエネルギーを消費しながら発火速度のホメオスタシスを維持することが示されている。
この適応により、代謝ストレスに応じてニューロンのノイズとチューニング曲線が平坦になる。
我々は, 生物物理シミュレーションにより, 発火速度のホメオスタシスの近似と騒音レベルに結びついたエネルギー限界という, 驚くほど単純な2つの制約を用いて, この挙動を捉える理論的集団符号化フレームワークを開発した。
我々の貢献の重要な特徴は、アデノシン三リン酸(ATP)を細胞から完全に説明可能な数学的枠組みに直結するエネルギー予算モデルである。
具体的には, エネルギー依存型分散ポアソンノイズモデルを提案し, セルが最適な崩壊経路を辿り, 与えられたセルエネルギー予算で可能な最もノイズの少ないスパイク速度を生成すると仮定した。
この最適経路に沿った各状態は、電気生理学的実験で測定できる特性(静止電位と漏れコンダクタンス)に関連付けられ、長期のカロリー消費の下で変化することが示されている。
我々は,エネルギー予算やコーディング目標の異なるニューロンに対する最適なコーディング戦略を解析的に導き,実験的に観察されたように,チューニング曲線の個体群がホメオスタシスを維持しながらどのように適応するかを,我々の手法が一意に捉えていることを示す。
関連論文リスト
- NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [68.89389652724378]
NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。
内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。
NOBLEは、実際の実験データに基づいて検証された最初のスケールアップされたディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2025-06-05T01:01:18Z) - A scalable gene network model of regulatory dynamics in single cells [88.48246132084441]
本稿では,遺伝子ネットワーク構造を結合微分方程式に組み込んで,遺伝子制御関数をモデル化する機能的学習可能モデルFLeCSを提案する。
FLeCS は (pseudo) 時系列の単一セルデータから, セルの動態を正確に推定する。
論文 参考訳（メタデータ） (2025-03-25T19:19:21Z) - Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。
本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
論文 参考訳（メタデータ） (2025-03-20T12:28:08Z) - Automated Model Discovery for Tensional Homeostasis: Constitutive Machine Learning in Growth and Remodeling [0.0]
キネマティック成長とホメオスタティック表面を組み込むことで,非弾性構成型ニューラルネットワーク(iCANN)を拡張した。
実験により得られた組織等価データから材料点レベルで学習するネットワークの能力を評価する。
論文 参考訳（メタデータ） (2024-10-17T15:12:55Z) - Relating Superconducting Optoelectronic Networks to Classical Neurodynamics [0.0]
超伝導ループニューロンの現象論的モデルとして,シナプスとデンドライトを記述したジョセフソン回路方程式を解く必要がなくなる。
いくつかの回路パラメータでは、単一のスパイクに対する下流の樹状反応と、偶然またはスパイクのシーケンスを表現できる。
支配方程式は、漏洩積分体デンドライトと神経細胞をモデル化するための神経科学の文献において、ほぼ同一であることが示されている。
論文 参考訳（メタデータ） (2024-09-26T16:23:53Z) - Surprise! Using Physiological Stress for Allostatic Regulation Under the Active Inference Framework [Pre-Print] [0.5586191108738563]
本研究では, 生理的ストレスホルモン(コルチゾール)の分泌に予測誤差を基礎づけるモデルを構築した。
以上の結果から,コルチゾール (ストレス) の静電気的作用は, 長期間の生理的調節に適応的に有効であることが示唆された。
論文 参考訳（メタデータ） (2024-06-12T17:56:15Z) - Synaptic Scaling and Optimal Bias Adjustments for Power Reduction in
Neuromorphic Systems [0.0]
最近の動物実験では、生物の脳は食物不足時に低出力モードに入ることが示されている。
本稿では, ニューロモルフィック系に類似の機構を適用する可能性について検討する。
数理モデルとシミュレーションを通して、シナプス重みの注意的なスケーリングは消費電力を大幅に減少させることを示した。
論文 参考訳（メタデータ） (2023-06-12T20:47:59Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z) - Constrained plasticity reserve as a natural way to control frequency and
weights in spiking neural networks [0.0]
細胞動力学は神経細胞が激しいシグナルをフィルターして、ニューロンの発火速度を安定させるのにどのように役立つかを示す。
このようなアプローチは、AIシステムの堅牢性を改善するために、機械学習領域で使用される可能性がある。
論文 参考訳（メタデータ） (2021-03-15T05:22:14Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z)
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。