두 뉴런 스파이크로 보는 시각 자극 재구성: 2차 볼테라와 인구 코딩

초록

본 연구는 파리 Chrysomya megacephala의 H1 뉴런 두 개에서 동시에 기록한 스파이크 열을 이용해 시각 자극을 재구성한다. 회전 및 평행 이동 자극에 대해 1차 볼테라(선형) 모델만으로는 충분하지 않으며, 2차(비선형) 커널을 포함해야 정확도가 향상된다. 그러나 4차 상관함수는 계산량이 급증하므로, 저자들은 ‘가우시안‑유사’ 근사를 도입해 실험 데이터와 거의 동일한 재구성 결과를 얻었다. 회전 자극에서는 2차 커널이 전체 χ² 기여의 약 8%를 차지하지만, 특정 순간에서는 최대 100% 향상을 보였다. 평행 이동 자극에서는 재구성 정확도가 낮았다. 제안된 근사는 다수 뉴런을 다루는 인구 코딩 연구에 유용할 것으로 기대된다.

상세 분석

본 논문은 시각 정보가 뉴런 스파이크 열에 어떻게 인코딩되는지를 정량적으로 분석하기 위해, 두 개의 H1 뉴런을 동시에 기록한 데이터를 바탕으로 볼테라 시리즈(Volterra series)를 적용한 자극 재구성 모델을 구축하였다. 볼테라 시리즈는 입력 자극을 선형(1차) 및 비선형(2차 이상) 커널들의 합으로 표현하는 일반화된 시스템 식으로, 신경계의 비선형 특성을 포착할 수 있다. 저자들은 먼저 1차 커널만을 사용한 선형 해석이 회전 자극에 대해 어느 정도의 재구성을 가능하게 하지만, 스파이크 간 상관관계(특히 동시발화)를 무시하면 중요한 비선형 정보를 놓친다는 점을 지적한다. 따라서 2차 커널을 도입해 스파이크 쌍의 상관함수를 포함시켰다.

2차 커널을 정확히 추정하려면 4차 상관함수(두 스파이크 시점의 쌍쌍 간 상관)를 계산해야 하는데, 이는 시간 창이 수백 밀리초일 경우 차원 수가 수천에 달해 메모리와 연산량이 비현실적으로 커진다. 이를 해결하기 위해 저자들은 ‘가우시안‑유사(Gaussian‑like) 표현’을 제안한다. 이 방법은 4차 상관함수를 두 개의 2차 상관함수와 평균 스파이크율의 곱으로 근사함으로써, 실제 실험 데이터와 거의 일치하는 재구성 결과를 얻는다. 구체적으로, 4차 상관함수 C₄(t₁,t₂,t₃,t₄)를 C₂(t₁,t₂)·C₂(t₃,t₄)+C₂(t₁,t₃)·C₂(t₂,t₄)+C₂(t₁,t₄)·C₂(t₂,t₃)−2·r̄⁴ 형태로 전개하여 계산 복잡도를 O(N²) 수준으로 낮춘다.

실험 결과는 두 가지 주요 자극 형태에 대해 제시된다. 회전 자극(angular velocity)에서는 1차 커널만을 사용한 재구성의 χ² 값에 비해, 2차 커널을 포함한 모델이 평균적으로 약 8%의 추가 설명력을 제공한다. 그러나 ‘instant‑dependent χ²’를 도입해 특정 순간(예: 급격한 속도 변화)에서의 오차를 별도로 평가하면, 2차 커널이 기여하는 비율이 최대 100%에 달한다. 이는 비선형 상호작용이 급변 상황에서 특히 중요함을 의미한다. 반면 평행 이동 자극(translation)에서는 스파이크 패턴이 회전 자극에 비해 덜 구분 가능하고, 2차 커널의 기여도 미미하여 전체 재구성 정확도가 낮았다.

이러한 결과는 두 가지 중요한 함의를 가진다. 첫째, 신경 코딩 연구에서 비선형 커널을 무시하면 동적 환경 변화에 대한 뉴런 응답을 과소평가하게 된다. 둘째, 가우시안‑유사 근사는 다수 뉴런을 동시에 다루는 인구 코딩 연구에서 계산 효율성을 크게 향상시킬 수 있는 실용적인 도구가 된다. 특히, 차원 저주에 직면한 대규모 신경 기록 데이터셋에 적용하면, 실험적 상관함수를 직접 측정하기 어려운 경우에도 신뢰할 수 있는 비선형 재구성을 수행할 수 있다.