論文の概要: The Impact of Structural Changes on Learning Capacity in the Fly Olfactory Neural Circuit

• arxiv url: http://arxiv.org/abs/2509.19351v1
• Date: Thu, 18 Sep 2025 00:12:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.502744
• Title: The Impact of Structural Changes on Learning Capacity in the Fly Olfactory Neural Circuit
• Title（参考訳）: フライ嗅覚神経回路の学習能力に及ぼす構造変化の影響
• Authors: Katherine Xie, Gabriel Koch Ocker,
• Abstract要約: ショウジョウバエの体(MB)は嗅覚学習と記憶に関与していることが知られている。 これまでの研究では、MB内のケニオン細胞へのプロジェクションニューロン(PN)接続に焦点を当てていた。 キノコ体回路の構造と接続性の変化、特にKC内からキノコ体出力ニューロン(MBON)の神経回路がMBONの匂いを識別する能力に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 0.8594140167290095
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Drosophila mushroom body (MB) is known to be involved in olfactory learning and memory; the synaptic plasticity of the Kenyon cell (KC) to mushroom body output neuron (MBON) synapses plays a key role in the learning process. Previous research has focused on projection neuron (PN) to Kenyon cell (KC) connectivity within the MB; we examine how perturbations to the mushroom body circuit structure and changes in connectivity, specifically within the KC to mushroom body output neuron (MBON) neural circuit, affect the MBONs' ability to distinguish between odor classes. We constructed a neural network that incorporates the connectivity between PNs, KCs, and MBONs. To train our model, we generated ten artificial input classes, which represent the projection neuron activity in response to different odors. We collected data on the number of KC-to-MBON connections, MBON error rates, and KC-to-MBON synaptic weights, among other metrics. We observed that MBONs with very few presynaptic KCs consistently performed worse than others in the odor classification task. The developmental types of KCs also played a significant role in each MBON's output. We performed random and targeted KC ablation and observed that ablating developmentally mature KCs had a greater negative impact on MBONs' learning capacity than ablating immature KCs. Random and targeted pruning of KC-MBON synaptic connections yielded results largely consistent with the ablation experiments. To further explore the various types of KCs, we also performed rewiring experiments in the PN to KC circuit. Our study furthers our understanding of olfactory neuroplasticity and provides important clues to understanding learning and memory in general. Understanding how the olfactory circuits process and learn can also have potential applications in artificial intelligence and treatments for neurodegenerative diseases.
• Abstract（参考訳）: ショウジョウバエのキノコ体(MB)は嗅覚学習と記憶に関与することが知られており、ケニオン細胞(KC)からキノコ体出力ニューロン(MBON)へのシナプス可塑性は学習過程において重要な役割を担っている。 これまでの研究では、ケニオン細胞へのプロジェクションニューロン(PN)とケニオン細胞への接続性(KC)に着目し、キノコ体回路の構造と接続性の変化、特にKC内からキノコ体出力ニューロン(MBON)への接続性の変化がMBONの匂いを識別する能力に与える影響について検討した。 我々は、PN、KC、MBON間の接続を組み込んだニューラルネットワークを構築した。 モデルを訓練するために,異なる匂いに対応する投射ニューロン活性を表す人工入力クラスを10種類生成した。 我々は、KC-to-MBON接続数、MBONエラー率、KC-to-MBONシナプス重みなどのデータを収集した。 その結果, 覚醒前KCが極めて少ないMBONは, 臭気分類作業において, 他者よりも劣悪であることがわかった。 KCの発達型も各MBONの出力に重要な役割を果たした。 我々は無作為かつ標的としたKCアブレーションを行い、未熟なKCよりも発達的に成熟したKCがMBONの学習能力に悪影響を及ぼすことを観察した。 KC-MBON結合のランダムおよびターゲットプルーニングはアブレーション実験とほぼ一致した結果を得た。 さらに,様々な種類のKCを探索するため,PNからKC回路へのスイッチング実験を行った。 本研究は、嗅覚神経可塑性の理解を深め、学習と記憶全般を理解するための重要な手がかりを提供する。 嗅覚回路がどのように処理し学習するかを理解することは、人工知能や神経変性疾患の治療にも応用できる可能性がある。

関連論文リスト

• Understanding and Controlling Repetition Neurons and Induction Heads in In-Context Learning [22.627302782393865]
  本稿では,大規模言語モデル(LLM)の繰り返し入力パターン認識能力と,テキスト内学習(ICL)における性能の関係について検討する。 実験の結果, 反復ニューロンのICL性能への影響は, 居住層の深さによって異なることが明らかとなった。
  論文  参考訳（メタデータ） (2025-07-10T14:40:31Z)
• Learning with Chemical versus Electrical Synapses -- Does it Make a Difference? [61.85704286298537]
  バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。 我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
  論文  参考訳（メタデータ） (2023-11-21T13:07:20Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Constraints on the design of neuromorphic circuits set by the properties of neural population codes [61.15277741147157]
  脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。 ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
  論文  参考訳（メタデータ） (2022-12-08T15:16:04Z)
• Modeling Associative Plasticity between Synapses to Enhance Learning of Spiking Neural Networks [4.736525128377909]
  Spiking Neural Networks(SNN)は、ニューラルネットワークの第3世代であり、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする。 本稿では,シナプス間の結合可塑性をモデル化し,頑健で効果的な学習機構を提案する。 本手法は静的および最先端のニューロモルフィックデータセット上での優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-07-24T06:12:23Z)
• Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural Networks [69.42260428921436]
  クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。 我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。 CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
  論文  参考訳（メタデータ） (2022-04-05T17:13:36Z)
• KCNet: An Insect-Inspired Single-Hidden-Layer Neural Network with Randomized Binary Weights for Prediction and Classification Tasks [1.6574413179773757]
  嗅覚入力は、それぞれの匂いの混合物を符号化する脳の触覚ローブによって受信される。 我々は,入力層と隠蔽層との間の疎結合,ランダム化,二重みを含む単一隠れ層ニューラルネットワークKCNetを提案する。 臭気の知覚特性を予測する臭気知覚タスクに対して、KCNetが既存のデータ駆動アプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2021-08-17T10:39:50Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• The distribution of inhibitory neurons in the C. elegans connectome facilitates self-optimization of coordinated neural activity [78.15296214629433]
  線虫Caenorhabditis elegansの神経系は、昆虫のサイズが小さいにもかかわらず著しく複雑である。 一般的な課題は、システムレベルでの神経組織と神経活動の関係をよりよく理解することである。 我々は,各ニューロンの神経伝達物質同定を近似した,C. elegans Connectomeの抽象シミュレーションモデルを実装した。
  論文  参考訳（メタデータ） (2020-10-28T23:11:37Z)

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。