시공간 쌍쌍 상관을 활용한 신경활동 패턴 예측 모델

초록

본 연구는 최대 엔트로피 원리와 마코프 가정을 결합해, 뉴런들의 공간·시간 쌍쌍 상관을 동시에 고려하는 모델을 제안한다. Glauber 스핀-글래스 시뮬레이션과 느린 파동 수면 중 측정된 대뇌 피질 데이터에 적용해, 기존 Ising 모델보다 패턴 발생 확률을 현저히 정확히 예측함을 보였다. 또한, 해당 모델은 원 데이터의 시공간 상관을 보존하는 가상 데이터(서로게이트) 생성에도 활용될 수 있다.

상세 분석

이 논문은 신경 집단 활동을 기술하기 위해 ‘최대 엔트로피’ 프레임워크에 마코프(시간적 Markov) 가정을 도입한 점이 핵심이다. 기존의 Ising 모델은 정적 쌍쌍 상관(공간적 상관)만을 고려해 시간 축을 무시했지만, 실제 뇌 활동은 연속적인 스파이크 시퀀스로 구성되어 있어 시간적 의존성이 필수적이다. 저자들은 확률 분포 (P(\sigma_t,\sigma_{t+1}))를 정의하고, 제약조건으로 (1) 각 뉴런의 평균 발화율, (2) 두 뉴런 사이의 동시 발화 확률(공간적 쌍쌍 상관), (3) 인접 시점 사이의 교차 상관(시간적 쌍쌍 상관)을 포함시켰다. 라그랑주 승수를 이용해 엔트로피를 최대화하면, 최종적으로는
\