공간 인코딩 효율을 위한 스펙트럼‑자극 정보와 자기지도 학습 RNN 설계

초록

**
본 논문은 다중 뉴런 집단의 공간 인코딩 효율을 정량화하는 새로운 정보이론적 지표인 공동 자극 정보율과 스펙트럼‑자극 정보를 제안한다. 이 지표는 뉴런 간 상관관계를 명시적으로 포함하며, 지역화되고 겹치지 않는 발화장을 가질 때 최댓값을 갖는다. 마우스·원숭이 기록 데이터를 통해 실제 신경집단의 효율성을 평가하고, 제안된 지표를 손실함수로 사용한 자기지도 학습 RNN이 장소세포와 머리방향세포를 자발적으로 형성함을 보였다.

**

상세 분석

**
이 연구는 기존의 Skaggs식 공간 정보율이 단일 뉴런의 발화율과 점유분포만을 이용해 “bits/spike”를 계산한다는 한계를 정확히 짚고, 다수 뉴런이 공동으로 정보를 전달할 때 발생하는 상관구조를 무시하면 실제 코딩 효율을 과소평가한다는 점을 강조한다. 저자들은 먼저 두 뉴런에 대한 공동 자극 정보율(Joint Stimulus Information Rate, JSIR) 을 정의한다. 이는 각 뉴런의 발화 확률을 조건부 베르누이 모델로 가정하고, 전체 자극 공간 (S)에 대해 (\sum_{s\in S} p(s) , D_{\mathrm{KL}}