神経細胞の冗長性は運動学習の速度を最大化する

摘要

運動システムにおいてニューロンの数は筋肉の数より圧倒的に多い．しかしながら，このニューロンの冗長性が担う機能的，計算論的な役割は未だ明らかでない．視覚回転外乱，回転力場への適応を模擬したニューラルネットワークを解析した結果，十分な神経細胞の冗長性は学習速度を最大化することを解析的に示した．さらに神経細胞の冗長性はシナプス結合の学習則と行動実験結果を再現できるモデル，すなわち線形動的システムを等価にすることを示した．更に，生物学的に妥当なニューラルネットワークモデル，ここでは再帰的結合，2層構造，そして歪んだ2山の選択方位分布をもつニューラルネットワークモデルを解析した．その結果，神経細胞の冗長性は生物学的に妥当なモデルにおいても学習速度を最大化することを示した．%Neurons are overwhelmingly more numerous than muscles in our motor system. However, an open question remains as to what the functional and computational roles of this neuron redundancy are. Our analysis on a neural network model, assuming visuomotor or force field adaptation, revealed that learning speed reaches its maximum value if the model includes sufficient neuron redundancy. Neuron redundancy also yields the equivalence between a learning rule of synaptic weights and a model for sensorimotor learning, or linear dynamical system. We subsequently run numerical simulations of more biological plausible neural network models. The results suggest that neuron redundancy contributes to maximizing learning speed and also that the learning curves observed in behavioral experiments are tuned to be as fast as possible.