学習におけるノイズ相関の役割の調査

哺乳類の脳は、分散型集団コードを使用して情報を表現します。これにより、堅牢性から高い表現能力まで、多くの利点が得られます。 しかし、下流の読み出しニューロンにとって、適切な読み出しを求めて学習中に非常に多くのシナプス接続を調整する必要があるため、このようなコードは恐るべき高次元の学習問題を引き起こします。 私たちの最近の理論的研究では、これらの高次元の学習問題は、一対のニューロンが試行ごとの変動においてどの程度共変動するかを表す、刺激に依存しないノイズ相関を通じて実装される誘導バイアスによって単純化できるという仮説が立てられました。 ノイズ相関は従来、表現能力に制約を与えると考えられてきましたが、私たちの最近の研究では、ノイズ相関が同時に読み出し学習にも制約を与えることが実証されました。 いくつかの生物学的に関連するケースでは、基礎となる神経空間の幾何学的形状を形成して学習の勾配を課題に関連した次元に集中させることによって、理論的には学習を高速化できる可能性がある。 ただし、学習の形成におけるノイズ相関のこの仮説的な役割は、まだ実証的にテストされていません。 今回研究者らは、既知の状況と新しい状況の両方での学習における、与えられた刺激に対する fMRI マルチボクセル BOLD 活動パターンの共変動を通じて測定されるノイズ相関の予測される役割をテストするための実験フレームワークを詳しく説明します。 よく知られた文脈では、関連するタスクの次元を知らせる前頭前皮質からのトップダウン入力によって、有用なノイズ相関が誘発される可能性があります。 したがって、タスク関連の次元におけるノイズ相関の強さは、タスク関連の特徴についてのより速い学習を予測するでしょう。 一方、関連するタスクの次元が不明な新しい状況では、ノイズ相関によりタスクに関係のない次元に勾配が強制され、学習が損なわれる可能性があります。 したがって、神経調節シグナル伝達によって達成される可能性のあるノイズ相関の抑制は、学習中または課題関連の刺激の変化後のバイアスを早期に低減することによって学習をスピードアップする可能性がある。 私たちの目的全体にわたって、研究者らは、fMRI を使用して計算モデルの最も基本的な予測をテストし、ヒト被験者の神経調節シグナル伝達の代用としてノイズ相関と瞳孔測定の幾何学的形状を特徴付ける計画を開発しています。 計画されている研究は、学習におけるノイズ相関の役割についての最初の実証的テストを提供することになります。