Heterogeneous self-couplings enable scale-invariant memory and cognitive flexibility without criticality

人間の脳は時間の達人である。突然の光の閃光に対しては瞬時に反応できる一方で、複雑な思考を数分間保持したり、数年にわたって展開される物語を紡いだりすることもできる。このように、極めて異なる速度域にわたって機能する能力は、バグではなく、私たちが考え、学び、適応するための根本的な特徴である。数十年にわたり、科学者たちは、数十億のニューロンからなるネットワークがいかにして遠い過去の出来事を記録し続けながら、同時に現在の瞬間にも対応しているのかという謎に直面してきた。有力な理論の一つは、脳がこの柔軟性を実現するために、「臨界状態」として知られる秩序と混沌の間の極めて薄い境界線上を常に漂っていなければならないというものであった。しかし、新しい研究はこの長年の見解に異を唱え、脳はその驚異的な時間管理能力と適応力を、より単純で堅牢なメカニズム、すなわち、回路内に組み込まれた「速度の多様性」を通じて達成しているのではないかと提唱している。

2026年10月に発表された研究において、ポンペウ・ファブラ大学およびローマの最高衛生研究所の研究者であるフランチェスコ・ダミアニ、ガブリエレ・ディ・アントニオ、およびその共同研究チームは、神経ネットワークのコンピュータモデルを用いてこの可能性を探求した。彼らは脳の構造を模倣したシステムを構築したが、そこに特定の種類の変化を導入した。すなわち、ネットワークのすべての部分が全く同じように振る舞うのではなく、各ユニットに異なる強さの自己結合を与えたのである。モデルの言葉を借りれば、一部のユニットは自分自身と強く結合しており、状態の変化が遅く、他のユニットは結合が緩やかで、素早く反応できる。研究チームは、この「速いユニット」と「遅いユニット」の単純な混合があれば、臨界状態へと調整することなく、幅広いタイムスケールにわたって過去を記憶できるシステムを作り出すのに十分であることを発見した。

研究者たちは、これらのユニットが適切な自己結合の混合状態で配置されているとき、ネットワークの記憶は予測可能な一様な形で消えていくのではないことを発見した。代わりに、過去の入力に対する記憶は、遠い過去の情報が現在に対してかすかな影響を持ち続けるようなパターンに従って、ゆっくりと着実に減衰していく。これは、科学者が「スケール不変な記憶」と呼ぶものである。つまり、このシステムは、情報の入力速度が急速なクリックの連続であれ、ゆっくりとした引き延ばされた会話であれ、構成を変更することなく、あらゆる速度で届く情報を扱うことができる。モデルは、実脳活動によく見られるこの記憶の「べき乗則的な減衰」が、システム全体を混沌の縁で危うくバランスさせる必要はなく、ネットワーク内部の接続の多様性から自然に創発し得ることを示した。

この記憶が実際に有用であるかどうかをテストするため、チームはモデルに一連の認知課題を与えた。まず、様々な速度で提示される6つの異なる信号を記憶しなければならない短期記憶タスクを与えた。すべての部分が同一である標準的なネットワークは、信号が速くなったり遅くなったりするにつれて苦戦し、見たものをすぐに忘れてしまった。安定性の端点に調整されたネットワークはより優れた性能を示したが、脆弱であった。対照的に、多様な自己結合を持つモデルは、タイミングに関わらず、シーケンスを堅牢に記憶した。信号の間隔が単一ユニットの速度よりも20倍長くても、最初の信号を最後の信号と同じくらい良好に保持することができた。これは、速度の混合によって、ネットワークが「今」に反応する能力を失うことなく、過去の記録を安定して維持できることを実証した。

研究チームはさらに一歩進んで、モデルに「ウィスコンシン・カード分類テスト」として知られる古典的な認知柔軟性のパズルを解かせた。このタスクでは、色や形などのルールに基づいてカードを分類しなければならない。ルールは予期せず変化し、エラー信号などのフィードバックに基づいて新しいルールを見つけ出す必要がある。これには、現在の文脈（コンテキスト）を心に留めつつ、即座に切り替える準備ができていることが求められる。モデルは、目の前のカードに基づいて即座に決定を下すために「速いユニット」を使用し、現在のルールを保持するための安定した貯蔵庫として「遅い自己結合ユニット」を使用することで、このタスクに成功した。エラーが発生した際、ネットワークは内部状態を新しい「アトラクター」へと移行させることができ、構造全体を書き換えることなく、事実上ルールを変更することができた。この文脈をスムーズかつ効率的に切り替える能力は、ネットワークの内部的な多様性から直接的に創発したものである。

研究の重要な部分は、このアプローチを、ネットワークに異なる速度を生み出す他の方法と比較することであった。チームは、ユニットが異なる「時定数」を持つことで異なる速度を持つ、第二のモデルを構築した。これは多様性をシミュレートする一般的な方法である。この第二のモデルもパズルを解くことはできたが、ルールを学習するために、接続に対してより大規模で劇的な変化を必要とした。しかし、多様な自己結合を持つモデルは、既存の構造へのごくわずかな調整だけでタマスクを学習した。これは、あらかじめ組み込まれた異なる速度と安定した状態の風景を持つことが、システムが学習し適応するためのより効率的な方法であることを示唆している。これにより、ネットワークは状況が変わるたびに新しい能力をゼロから構築するのではなく、既存の能力を活用することができるのである。

この研究結果は、臨界性に関する神経科学における大きな論争にも光を当てている。長年、多くの科学者は、脳が柔軟で強力であるためには、硬直性と混沌の間の完璧なバランス状態である「臨界点」付近で動作していなければならないと考えてきた。新しいシミュレーションは、これが厳密には必要ではないことを示唆している。研究者たちは、彼らのモデルが、混沌から安全に離れた「劣臨界（サブクリティカル）」な安定状態にありながら、臨界性のみが源であると考えられていた複雑でスケールフリーなダイナミクスと柔軟な行動を生み出していることを示した。これは、脳がうまく機能するために綱渡りをする必要はないかもしれないことを示唆している。むしろ、脳は自らの構造的な多様性によって生み出される豊かな、多様なダイナミクスに頼ることができるのである。

この研究は、脳がどのように組織化されているかについての新しい考え方を提示している。それは、大脳皮質が階層的なネットワークである可能性を示唆している。つまり、低次レベルは速く即時的な感覚入力を扱い、高次レベルは遅く複雑な文脈を扱うというものである。この階層は、脳の処理過程が進むにつれて自己結合の強さが増していくという単純な原理によって生じる可能性がある。高次の領域は、抽象的な概念やルールを保持できる、より遅く安定したユニットを自然に持つことになり、低次の領域は、素早い反応のためのより速いユニットを持つことになる。この「自己結合の差異」という単一の原理は、長期にわたって情報を統合する能力と、複雑で抽象的な思考を行う能力の両方を説明できる可能性がある。

結局のところ、この研究は、脳の力が「混沌との繊細なバランス」から来るという考えに対する、説得力のある代替案を提示している。それは、多様性の強さに注目している。パーツがそれぞれ異なる速度で動き、異なる長さの時間情報を保持するように設計されているだけで、ニューラーネットワークは自然に、過去を記憶し、新しいルールに適応し、複数のタイムスケールにわたって情報を処理する能力を発展させることができるのである。研究者たちのシミュレーションは、このメカニズムが堅牢で効率的であり、システムを臨界点に調整することなく、知的な生命を定義するような柔軟な行動を支えることができることを示している。脳は、綱渡りをする人というよりも、それぞれが独自のペースで歌い、安定しながらも無限に適応可能なハーモニーを作り出す「合唱団」に近いのかもしれない。