離散的かつ連続的な情報表現を持つ神経回路モデル

摘要

連想記憶モデルとメキシカンハット型相互作用をもつ神経回路モデルは，神経回路モデルにおいて二つの最も代表的なアトラクターネットワークである．連想記憶モデルでは，複数のパターンが個々のポイントアトラクターによって記憶されており，離散的な情報表現が実現される．一方，メキシカンハット型相互作用を持つ神経回路モデルでは，ワーキングメモリーや初期視覚野のコラム構造などで見られる連続的な情報表現がラインアトラクターにより実現される．本研究で，我々は，離散的情報表現と連続的情報表現の両方の性質を備えた神経回路モデルを提案する．統計力学に基づいた解析により，記憶パターンが空間的に局在して想起される局在想起相が存在することが示される．局在想起相では，想起が局在的に生じる場所に関して中立安定であるとともに，異なるパターン同士は直交しているため，提案モデルでは離散的かつ連続的な情報表現が実現されることが示される．さらに，局在想起相の出現に反強磁性相互作用と外部磁場が重要であることを示す．