論文の概要: Diverse Neural Sequences in QIF Networks: An Analytically Tractable Framework for Synfire Chains and Hippocampal Replay

• arxiv url: http://arxiv.org/abs/2508.06085v1
• Date: Fri, 08 Aug 2025 07:27:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:06.12082
• Title: Diverse Neural Sequences in QIF Networks: An Analytically Tractable Framework for Synfire Chains and Hippocampal Replay
• Title（参考訳）: QIFネットワークにおける異種ニューラルシーケンス:シンファイアチェインと海馬リプレイのための解析的トレーサブルフレームワーク
• Authors: Genki Shimizu, Taro Toyoizumi,
• Abstract要約: 本研究では,時間的に非対称なヘッビアン則を介し,シーケンスを組み込んだ準連続積分・消火ニューロンの擬似ネットワークを提案する。 以上の結果より, 持続的シンファイア様連鎖や一過性海馬リプレイ様バーストなどの連続的活動のスペクトルを強く再現し, リップル内周波数調節(IFA)を呈することが示唆された。 これらの結果は, TAH接続性を有するQIFネットワークを, 脳内の連続神経活動の出現, 安定性, 多様性を調査するための, 解析的かつ生物学的に妥当なプラットフォームとして確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sequential neural activity is fundamental to cognition, yet how diverse sequences are recalled under biological constraints remains a key question. Existing models often struggle to balance biophysical realism and analytical tractability. We address this problem by proposing a parsimonious network of Quadratic Integrate-and-Fire (QIF) neurons with sequences embedded via a temporally asymmetric Hebbian (TAH) rule. Our findings demonstrate that this single framework robustly reproduces a spectrum of sequential activities, including persistent synfire-like chains and transient, hippocampal replay-like bursts exhibiting intra-ripple frequency accommodation (IFA), all achieved without requiring specialized delay or adaptation mechanisms. Crucially, we derive exact low-dimensional firing-rate equations (FREs) that provide mechanistic insight, elucidating the bifurcation structure governing these distinct dynamical regimes and explaining their stability. The model also exhibits strong robustness to synaptic heterogeneity and memory pattern overlap. These results establish QIF networks with TAH connectivity as an analytically tractable and biologically plausible platform for investigating the emergence, stability, and diversity of sequential neural activity in the brain.
• Abstract（参考訳）: シークエンシャル・ニューラル・アクティビティは認知の基礎であるが、生物学的制約の下でいかに多様な配列がリコールされるかは重要な問題である。 既存のモデルは、しばしば生物物理学的リアリズムと分析的トラクタビリティのバランスをとるのに苦労する。 本研究では, 時相非対称ヘビアン法(TAH)を介し, 擬似積分体(QIF)ニューロンの擬似ネットワークを組み込むことにより, この問題に対処する。 以上の結果より, 持続的シンファイア様鎖や過渡的, 海馬リプレイ様バーストなど, 特定の遅延や適応機構を必要とせず, 連続的な活動のスペクトルを強く再現できることが示唆された。 重要なことは、メカニカルな洞察を与える正確な低次元の焼成速度方程式(FRE)を導出し、これらの異なる力学状態を管理する分岐構造を解明し、それらの安定性を説明することである。 このモデルはまた、シナプス的不均一性とメモリパターンの重複に対して強い堅牢性を示す。 これらの結果は, TAH接続性を有するQIFネットワークを, 脳における連続神経活動の出現, 安定性, 多様性を調査するための, 解析的かつ生物学的に妥当なプラットフォームとして確立する。

関連論文リスト

• Fractional Spike Differential Equations Neural Network with Efficient Adjoint Parameters Training [63.3991315762955]
  スパイキングニューラルネットワーク(SNN)は、生物学的ニューロンからインスピレーションを得て、脳に似た計算の現実的なモデルを作成する。 既存のほとんどのSNNは、マルコフ特性を持つ一階常微分方程式(ODE)によってモデル化された、神経細胞膜電圧ダイナミクスの単一時間定数を仮定している。 本研究では, 膜電圧およびスパイク列車の長期依存性を分数次力学により捉えるフラクタルSPIKE微分方程式ニューラルネットワーク (fspikeDE) を提案する。
  論文  参考訳（メタデータ） (2025-07-22T18:20:56Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• 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)
• Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
  神経科学とAIの両方では、ニューロン間の'バインディング'が、ネットワークの深い層においてより抽象的な概念を表現するために表現を圧縮する、競争的な学習の形式につながることが知られている。 完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。 このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、定量化、推論など、幅広いタスクにわたるパフォーマンス改善を提供する。
  論文  参考訳（メタデータ） (2024-10-17T17:47:54Z)
• Unconditional stability of a recurrent neural circuit implementing divisive normalization [0.0]
  任意次元ORGaNICs回路における非条件局所安定性の顕著な特性を証明した。 ORGaNICsは、勾配のクリッピング/スケーリングなしで、時間経過によるバックプロパゲーションによって訓練できることを示す。
  論文  参考訳（メタデータ） (2024-09-27T17:46:05Z)
• Unbalanced Diffusion Schr\"odinger Bridge [71.31485908125435]
  任意の有限質量の辺縁の時間的進化をモデル化する不均衡DSBを導入する。 これは、殺生項を伴う微分方程式の時間反転を導出することで達成される。 本稿では,非バランスなDSBを学習するためのスケーラブルな目的関数を構成する2つの新しいアルゴリズムスキームを提案する。
  論文  参考訳（メタデータ） (2023-06-15T12:51:56Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Theory of coupled neuronal-synaptic dynamics [3.626013617212667]
  神経回路では、シナプス強度が神経活動に影響を及ぼす。 神経ユニットとシナプス結合が動的変数と相互作用するリカレント・ネットワークモデルについて検討する。 我々は,ヘビアン可塑性を加えることでカオスネットワークの活動が遅くなり,カオスを引き起こすことを示した。
  論文  参考訳（メタデータ） (2023-02-17T16:42:59Z)
• Latent Equilibrium: A unified learning theory for arbitrarily fast computation with arbitrarily slow neurons [0.7340017786387767]
  遅いコンポーネントのネットワークにおける推論と学習のための新しいフレームワークであるLatent Equilibriumを紹介する。 我々は, ニューロンとシナプスのダイナミクスを, 将来的なエネルギー関数から導出する。 本稿では,大脳皮質微小循環の詳細なモデルに我々の原理を適用する方法について述べる。
  論文  参考訳（メタデータ） (2021-10-27T16:15:55Z)

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。