論文の概要: Dynamical Mechanisms for Coordinating Long-term Working Memory Based on the Precision of Spike-timing in Cortical Neurons

• arxiv url: http://arxiv.org/abs/2512.15891v1
• Date: Wed, 17 Dec 2025 19:05:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.779813
• Title: Dynamical Mechanisms for Coordinating Long-term Working Memory Based on the Precision of Spike-timing in Cortical Neurons
• Title（参考訳）: 皮質ニューロンのスパイク刺激の精度に基づく長期記憶の調整機構
• Authors: Terrence J. Sejnowski,
• Abstract要約: 皮質の進行波は、時間的精度の高い多くの周波数帯で観測されている。 一時的ネットワークは長期的な作業記憶をサポートし、長期的な感覚運動ネットワーク上を走る認知的ネットワークである。
• 参考スコア（独自算出の注目度）: 4.314956204483074
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the last century, most sensorimotor studies of cortical neurons relied on average firing rates. Rate coding is efficient for fast sensorimotor processing that occurs within a few seconds. Much less is known about long-term working memory with a time scale of hours (Ericsson and Kintsch, 1995). The discovery of the millisecond precision of spike initiation in cortical neurons was unexpected (Mainen and Sejnowski, 1995). Even more striking was the precision of spiking in vivo, in response to rapidly fluctuating sensory inputs, suggesting that neural circuits could, in principle, preserve and manipulate sensory information through spike timing. It could support spike-timing-dependent plasticity (STDP), which is triggered by the relative timing of spikes between presynaptic and postsynaptic neurons in the millisecond range. What spike-timing mechanisms could regulate STDP in vivo? Cortical traveling waves have been observed across many frequency bands with high temporal precision. Traveling waves have wave fronts that could link spike timing to STDP. As a wave front passes through a cortical column, excitatory synapses on the dendrites of both pyramidal and basket cells are synchronously stimulated. Inhibitory basket cells form a calyx on pyramidal cell bodies, and inhibitory rebound following a strong transient hyperpolarization can trigger a backpropagating action potential, which arrives shortly after the excitatory inputs on pyramidal dendrites. STDP activated in this way could persist for hours, creating a second-tier network. This temporary network could support long-term working memory, a cognitive network riding above the long-term sensorimotor network. On their own, traveling waves and STDP have not yet yielded new insights into cortical function. Together, they could be responsible for how we think (Sejnowski, 2025).
• Abstract（参考訳）: 前世紀には、皮質ニューロンのほとんどの感覚運動子は平均的な発射速度に依存していた。 レートコーディングは、数秒以内に起こる高速な感覚運動子処理に効率的である。 長時間のワーキングメモリと時間スケールについてはあまり知られていない(Ericsson and Kintsch, 1995)。 皮質ニューロンにおけるスパイク開始のミリ秒精度の発見は予想外であった(Mainen and Sejnowski, 1995)。 さらに印象的なのは、急速に変動する感覚入力に反応して生体内でスパイクする精度であり、神経回路は原則としてスパイクタイミングを通じて感覚情報を保存し、操作することができることを示唆している。 これは、ミリ秒間におけるシナプス前ニューロンとシナプス後ニューロン間のスパイクの相対的なタイミングによって引き起こされるスパイク刺激依存性可塑性(STDP)をサポートする可能性がある。 スパイク刺激機構はin vivoでSTDPを制御するか? 皮質の進行波は、時間的精度の高い多くの周波数帯で観測されている。 進行波は、スパイクタイミングをSTDPにリンクする波面を持つ。 波面が皮質列を通過すると、ピラミッド細胞とバスケット細胞のデンドライト上の励起シナプスが同期的に刺激される。 抑制性バスケット細胞は錐体細胞体にカリックスを形成し、強い一過性過分極後の抑制性リバウンドは、錐体樹状突起への興奮性入力の直後に現れる後部増殖性作用電位を惹起する。 この方法で活性化されたSTDPは、何時間も持続し、第2階層のネットワークを生成する。 この一時的なネットワークは、長期的な感覚運動ネットワーク上を走る認知ネットワークである、長期的なワーキングメモリをサポートすることができる。 それ自体、走行波とSTDPは、皮質機能に関する新たな洞察をまだ得られていない。 彼らは共に、私たちの考え方の責任を負うかもしれません(Sejnowski氏、2025年)。

関連論文リスト

• Dendritic Resonate-and-Fire Neuron for Effective and Efficient Long Sequence Modeling [66.0841376808143]
  樹状共振器(RF)ニューロンは入力信号から効率的に周波数を抽出し、スパイク列車に符号化することができる。 RFニューロンは、複雑なタスクにおけるエネルギー効率とトレーニング速度のトレードオフとして、有効なメモリ容量が限られている。 本稿では,複数の共振器とソマアーキテクチャを明示的に組み込んだDdendritic Resonate-and-Fireモデルを提案する。
  論文  参考訳（メタデータ） (2025-09-21T18:15:45Z)
• 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)
• Temporal credit assignment for one-shot learning utilizing a phase transition material [36.460125256873624]
  金属絶縁体-遷移物質であるバナジウム二酸化バナジウム(VO2)に基づく装置は, 中間抵抗状態の連続体にアクセスするために動的に制御可能であることを示す。 我々はこれらのデバイス特性を利用して、ニューロンのアナログ計算の3つの側面をエミュレートする: 高速(1ms) スパイク、低速(1ms) スパイク(100ms) デンドライトコンパートメント、超低速(1ms) 生化学的シグナリング。
  論文  参考訳（メタデータ） (2023-09-29T18:18:12Z)
• Long Short-term Memory with Two-Compartment Spiking Neuron [64.02161577259426]
  LSTM-LIFとよばれる,生物学的にインスパイアされたLong Short-Term Memory Leaky Integrate-and-Fireのスパイキングニューロンモデルを提案する。 実験結果は,時間的分類タスクの多種多様な範囲において,優れた時間的分類能力,迅速な訓練収束,ネットワークの一般化性,LSTM-LIFモデルの高エネルギー化を実証した。 したがって、この研究は、新しいニューロモルフィック・コンピューティング・マシンにおいて、困難な時間的処理タスクを解決するための、無数の機会を開放する。
  論文  参考訳（メタデータ） (2023-07-14T08:51:03Z)
• 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)
• Axonal Delay As a Short-Term Memory for Feed Forward Deep Spiking Neural Networks [3.985532502580783]
  近年の研究では、学習過程において神経細胞の時間遅延が重要な役割を担っていることが判明している。 スパイクの正確なタイミングを設定することは、SNNにおける時間情報の伝達過程を理解し改善するための有望な方向である。 本稿では,教師付き学習に時間遅延を統合することの有効性を検証するとともに,短期記憶による軸索遅延を変調するモジュールを提案する。
  論文  参考訳（メタデータ） (2022-04-20T16:56:42Z)
• Astrocytes mediate analogous memory in a multi-layer neuron-astrocytic network [52.77024349608834]
  情報の一部が数秒間堅牢な活動パターンとして維持され、他の刺激が来なければ完全に消滅することを示す。 この種の短期記憶は、操作情報を数秒保存し、次のパターンとの重複を避けるために完全に忘れてしまう。 任意のパターンをロードし、一定の間隔で保存し、適切な手掛かりパターンを入力に適用した場合に検索する方法について示す。
  論文  参考訳（メタデータ） (2021-08-31T16:13:15Z)
• Intrinsic Spike Timing Dependent Plasticity in Stochastic Magnetic Tunnel Junctions Mediated by Heat Dynamics [0.0]
  ニューロモルフィックコンピューティングは、固体デバイスや回路を用いて生物学的ニューロンやシナプスの挙動を模倣することを目的としている。 磁気トンネル接合(MTJ)装置における生体シナプスのスパイクタイミング依存塑性(STDP)挙動を実装する手法を提案する。
  論文  参考訳（メタデータ） (2021-08-28T18:02:01Z)

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。