연결성 상관과 대뇌피질 발화율 분포

초록

청각 피질의 희소한 발화와 시냅스 강도의 로그정규분포를 동시에 설명하기 위해, 저자들은 시냅스 효능이 뉴런 간에 통계적으로 상관된다는 가설을 제시한다. 간단한 네트워크 모델과 Hebbian 학습 규칙을 통해 로그정규 발화율과 시냅스 강도가 동시에 발생함을 보이며, 강한 연결을 많이 받는 뉴런과 약한 연결을 주로 받는 뉴런이 존재한다는 실험적 예측을 제시한다.

상세 분석

이 논문은 두 가지 실험적 관찰, 즉 청각 피질에서의 희소 발화가 로그정규분포를 따르고, 근접한 피질 뉴런 사이의 비영점 시냅스 강도 역시 로그정규분포를 보인다는 사실을 출발점으로 삼는다. 기존의 무작위 연결 가정 모델은 이러한 두 현상을 동시에 설명하기 어렵다. 저자들은 시냅스 효능이 특정 뉴런에 대해 통계적으로 상관된다는 ‘연결성 상관(correlated connectivity)’ 가설을 도입한다. 이를 구현하기 위해, 각 뉴런 i에 대해 시냅스 가중치 w_{ij}를 로그정규분포에서 샘플링하되, 동일한 수신 뉴런 i에 대해 동일한 로그 평균 μ_i와 분산 σ_i^2를 공유하도록 설계한다. 즉, 어떤 뉴런은 평균이 큰 μ_i를 가져 많은 강한 시냅스를, 다른 뉴런은 평균이 작은 μ_i를 가져 약한 시냅스를 주로 받는다. 이러한 구조적 비대칭성은 네트워크 전체의 입력-출력 관계에 비선형적인 변동을 도입하고, 결과적으로 뉴런 발화율 r_i가 로그정규분포를 따르게 만든다.

모델의 동역학은 선형-비선형 혼합 형태로, 입력 I_i는 외부 자극과 시냅스 입력 Σ_j w_{ij} r_j 로 구성된다. 뉴런은 포아송 스파이킹을 가정하고, 평균 발화율은 비선형 활성화 함수 f(I_i) =