Firing Without Wiring: How REM-like Sleep Reactivation Rebalances Excitation and Inhibition to Orthogonalize Memories
生物学的に妥当なリカレントニューラルネットワークを用いることで、本研究は、レム睡眠様睡眠が「再活性化を標的とした剪定」メカニズムを通じて記憶の固定化を促進することを実証しており、そこでは、干渉を低減し表現を直交化するために、抑制的な可塑性を必要とすることなく、最近の記憶の再活性化が古い記憶集団からの興奮性入力を選択的に弱める。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
毎晩、人間の脳はレム睡眠（急速眼球運動）として知られるフェーズを含む、さまざまな休息状態を巡っています。数十年来、科学者たちはこの状態が記憶にとって不可欠であることを理解してきましたが、その正確なメカニズムの理由は謎のまま残されてきました。ノンレム睡眠中には、脳が最近の経験を再現してそれらを強化することが分かっていますが、それはまるでテストの前にノートを復習するようなものです。しかし、レム睡眠はそれとは異なります。脳は活動していますが、その活動パターンは特定の出来事を同じように秩序立てて再現しているようには見えません。むしろ、多くの研究者は、レム睡眠がより微細で異なる目的を果たしているのではないかと長年疑ってきました。つまり、レム睡眠は、似すぎていたり混ざり合ったりしてしまった記憶を切り離す「掃除屋」としての役割を果たしている可能性があるのです。もし二つの記憶が多くの詳細を共有していると、互いに干渉し合い、どちらも正確に思い出すことが困難になります。有力な理論によれば、レム睡眠はこれらのつながりを解きほぐし、似た記憶が区別されたままになり、互いに上書きされないようにしているとされています。この説は説得力がありますが、個々の接続レベルで脳がどのようにこの分離を実現しているのかを正確に証明することは困難でした。なぜなら、私たちは生きている人間の脳における微視的な変化をリアルタイムで観察することができないからです。
このパズルを解くために、カリフォルニア大学サンディエゴ校の研究者たちは、脳の学習プロセスを模倣したコンピュータ・シミュレーションに目を向けました。彼らは、デジタル脳を構築しました。これは、学生が数列の中から異なる数字のペアを認識する方法を学ぶのと同様に、タスクを次々と学習するように設計された人工ネットワークの一種です。このデジタル世界では、新しいタスクを学習すると、システムが古いタスクを忘れてしまうという問題、いわゆる「破滅的忘却」がしばしば発生しました。そこで研究者たちは、各学習セッションの後に、シミュレートされた睡眠フェーズを導入しました。この睡眠は、システムが停止する休息期間ではなく、生物学的な脳で見られる混沌とした発火パターンを模倣した、ランダムなノイズによってネットワークが再活性化される時間でした。このシミュレートされた睡眠中、デジタルニューロン間の接続は、外部から何が正しいかを教える「教師」なしに、単純な局所的ルールに基づいて変化することが許容されました。
これらのシミュレーションの結果は、記憶がどのように保護されるかについての驚くべきメカニズムを明らかにしました。デジタル脳が新しいタスクを学習すると、その新しいタスクを担当するニューロンが支配的になり、以前の記憶に属していた入力を事実上「乗っ取って」しまいます。これが忘却の原因でした。しかし、シミュレートされた睡眠フェーズが始まると、最も最近のタスクを表すニューロンが最も頻繁に発火しました。この支配的な状態により、これらの活動的なニューロンに流れ込む接続は、特定の種類の変化を経験しました。古い、静止した記憶からの入力は弱められ、一方で最近の、活動的な記憶からの接続は保持されるか、わずかに強化されました。このプロセスは、不要な接続を効果的に「剪定（プルーニング）」し、新しい記憶から、それが過去から盗んだはずの入力を剥ぎ取ったのです。その結果、古い記憶は再び単独で機能できる自由を取り戻し、システムは新しいタスクと古いタスクの両方を高い精度で想起できるようになりました。
著者らが「再活性化標的型プルーニング（reactivation-targeted pruning）」と呼ぶこのメカニズムは、可塑性（接続が変化する能力）が、現在活動しているニューロンにのみ集中するようにすることで機能します。もしあるニューロンが、その入力が静止している状態で発火した場合、両者の間の接続は弱まります。最新のタスクのためのニューロンは睡眠中に激しく発火していましたが、古いタスクのためのニューロンはほとんど静止していたため、古いタスクから新しいものへの接続は選択的に弱められました。これにより、古いタスクは独自の専用経路を再び取り戻すことができたのです。研究者たちは、このプロセスが複雑な指示やグローバルな指令センターを必要とせず、あるグループが活動的で別のグループが活動していないときのニューロンの相互作用という単純なルールから自然に生じるものであることを見出しました。興奮性接続のみが変化できる脳をシミュレートした場合でも、あるいは生物学的な配線ルールが厳格に適用された場合でも、同じ結果が得られました。つまり、新しい記憶は古いものから分離され、古い記憶は救われたのです。
また、この研究は、この分離がすべての記憶に対して完璧に行われるわけではないことも示しています。最新のものと最も多くの特徴を共有している記憶は、睡眠中にその入力が十分に活動的であったために、弱めるプロセスが完全には機能せず、解きほぐすのが最も困難になります。これは、非常に似ているもの同士は、大きく異なるもの同士よりも区別が難しいという現実世界の経験を反映しています。さらに、研究者たちは異なるタイプのデジタルネットワークや、より複雑な画像を用いて彼らの知見をテストしましたが、同じ原理が成立しました。このメカニズムは、特定の種類のコンピュータモデルに特有のトリックではなく、局所的な学習ルールが偏った再活性化と相互作用することによって生じる一般的な帰結であると考えられます。
これらの知見は、神経科学における長年の謎に対して、具体的で検証可能な説明を提示しています。これらは、レム睡眠が必ずしも特定の出来事を強化するために再生するのではなく、最近の記憶の支配性を利用して、干渉を引き起こす接続を選択的に弱めていることを示唆しています。新しい記憶が過去から奪い取った入力を剪定することで、脳は古い記憶が再び自立できるようにしているのです。このプロセスは、私たちが新しいことを学んでいる最中も、古いものを失うのではなく、それらを明確に区別し、アクセス可能な状態に保つことを保証しています。この研究は、システムが忘れることなく継続的に学習するための明確な設計図を提供しており、人工知能の向上や、人間が絶え間ない新しい情報の流れをどのように管理しているかという理解を深めるための洞察を与えています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。