動物の脳が実現する機能の中で、餌や天敵の出現などといった「変化」を素早く検出する能力は重要な機能の1つである。外界の変化は脳内で神経スパイクの平均発生頻度(発火率)の変化として符号化、伝達されるが、脳がこの発火率の変化をどのような機構を用いて検出しているかは分かっていない。そこで我々は、脳内の変化検出機構として単一神経細胞を想定し、神経細胞の検出装置としての性能を理論的に考察した。 我々はまず神経細胞モデルとしてleaky integrate-and-fire (LIF)モデルを採用し、このモデルが持つ2つのパラメータを変化検出に最適な値に設定する手法を開発した。この手法を用いて神経細胞モデルの検出装置としての性能を解析したところ、統計学的に最適な検出法と同程度の性能であることが明らかとなった。また、発火率に雑音が混じる、或は発火率が複数回変化する、というより現実に近い設定での検出性能を解析したところ、神経細胞モデルは統計学的に最適な検出法より頑強に機能し、多くの状況で統計的手法より高い性能を誇ることが明らかとなった。さらに我々は、検出に最適なモデルパラメータ値が、現実に脳内の神経細胞が有する値に非常に近いことを示した。 以上の結果は、神経細胞が優れた変化検出装置として脳内で機能していることを示唆する。この事実は、脳内の変化検出機構が少数の細胞で実現できることを意味し、脳機能の解明への大きな一歩である。また、非常に単純で計算コストの低いLIFモデルで高い検出性能を実現できるという結果は、ニューラルネットによる信号処理システムの構築に役立てることができると考えられる。 本研究成果は現在理論系雑誌(Journal of Computational Neuroscience)に投稿中であり、間もなく受理される予定である(エディターよりその旨のコメントを頂いている)。
|