Describing Functions and Phase Response Curves of Excitable Systems

신경계의 리듬: 파동이 불꽃으로 대체될 때

인간의 뇌를 매끄럽게 흐르는 강물이 아니라, 수십억 개의 작고 초경계 상태인 파수꾼들이 모여 있는 도시라고 상상해 보십시오. 이 파수꾼들은 뉴런이며, 스스로 박자를 맞추는 드럼과 달리 이들 중 상당수는 "흥분 가능(excitable)"한 상태입니다. 이는 이들이 조용히 앉아 있다가, 특정 신호가 문을 두드리기 전까지는 단 하나의 날카로운 에너지 분출, 즉 '스파이크(spike)'를 내보내지 않고 기다린다는 것을 의미합니다. 이것이 당신의 신경계가 소통하는 방식입니다. 지속적인 선율을 흥얼거리는 것이 아니라, 모스 부호나 드럼 연주자가 스네어를 치기 위해 신호를 기다리는 것처럼, 불연속적인 사건들의 빠른 연속체를 보내는 방식입니다.

수십 년 동안 과학자들은 이러한 생물학적 리듬이 어떻게 작동하는지 이해하기 위해 두 가지 강력한 도구인 기술 함수(Describing Function, DF)와 위상 응답 곡선(Phase Response Curve, PRC)을 사용해 왔습니다. DF를 시스템이 일정한 리듬의 밀어붙임에 어떻게 반응하는지 예측하는 방법이라고 생각하고, PRC를 잘못된(또는 적절한) 시점의 작은 자극이 박자를 어떻게 빨라지게 하거나 느려지게 하는지를 보여주는 지도라고 생각하십시오. 이 도구들은 진자나 스스로 뛰는 심장처럼 자연적으로 진동하는 시스템에는 환상적입니다. 하지만 흥분성 뉴런에 적용할 때는 한계에 부딪힙니다. 왜일까요? 이 도구들의 수학적 배경은 시스템이 이미 매끄럽고 연속적인 노래를 부르고 있다고 가정하기 때문입니다. 하지만 흥분성 뉴런은 노래를 부르는 것이 아니라, 기다리다가 툭 하고 터집니다. 매끄러운 파동을 분석하기 위해 설계된 도구로 날카롭고 갑작스러운 스파이크를 측정하려는 것은, 해수면의 높이를 측정하기 위해 조수 간만의 차를 재는 자를 사용하는 것과 같습니다. 서로 맞지 않는 것입니다.

스파이킹 뉴런을 위한 논문의 새로운 지도

이 논문에서 로빈 브로블스키(Robin Wroblowski)와 로돌포 세풀케르(Rodolphe Sepulchre)는 영리한 우회책을 제안합니다. 기존의 매끄러운 파동 도구를 스파이킹 뉴런의 들쭉날쭉한 현실에 억지로 맞추려 하는 대신, 그들은 도구를 처음부터 "사건(event)"의 언어로 말하도록 재발명했습니다. 그들은 이 새로운 도구들을 **사건 기술 함수(Event Describing Function, eDF)**와 **사건 위상 응답 곡선(Event Phase Response Curve, ePRC)**이라고 부릅니다.

핵심 아이디어: 파동이 아닌 박자 세기
저자들은 흥분성 시스템에서 가장 중요한 것은 파동의 모양이 아니라 불꽃의 타이밍이라는 점을 깨달았습니다. 그들은 뉴런을 하나의 '블랙박스'처럼 취급하는 단순화된 모델을 만들었습니다. 즉, 특정한 입력 사건(노크)을 주면, 일정 시간의 지연 후에 출력 사건(스파이크)을 내놓는 방식입니다.

• 사건 기술 함수 (eDF): 당신이 테이블을 두드리는 리듬을 치고 있고, 친구가 그에 맞춰 답을 치고 있다고 상상해 보십시오. eDF는 당신의 두드림과 친구의 두드림 사이의 '지연(lag)'을 측정합니다. 만약 당신이 25밀리초마다 두드린다면, 친구가 응답하는 데 얼마나 걸립니까? 논문은 이 지연을 두드리는 시간 간격에 대해 도식화함으로써, 뉴런 네트워크 전체가 언제 동기화되어 춤을 추기 시작할지 정확히 예측할 수 있음을 보여줍니다. 예를 들어, 그들은 억제성 뉴런(뇌의 '브레이크' 역할)의 고리를 시뮬레이션했고, 두 뉴런을 연결하면 약 25.31밀리초의 주기를 가진 리듬으로 자연스럽게 안착한다는 것을 발견했습니다. 그들의 새로운 수학은 복잡한 물리 방정식을 푸는 정교한 컴퓨터 시뮬레이션 결과와 거의 완벽하게 일치했습니다.

• 사건 위상 응답 곡선 (ePRC): 이제 친구가 박자에 맞춰 두드리고 있는데, 당신이 갑자기 살짝 밀거나 당긴다고 상상해 보십시오. ePRC는 사이클의 서로 다른 순간에 당신이 자극을 주었을 때 어떤 일이 일어나는지를 지도화합니다. 자극이 박자를 더 빠르게 만듭니까? 아니면 늦게 만듭니까? 혹은 박자를 놓치게 만듭니까? 저자들은 이러한 흥분성 뉴런의 경우, 답이 자극을 주는 시점에 크게 달려 있다는 것을 발견했습니다. 스파이크 직후의 자극은 아무런 효과가 없을 수 있지만, '회복' 단계 중의 자극은 새로운 리듬을 유발할 수 있습니다.

그들이 발견한 것 (그리고 발견하지 못한 것)
고전적인 뉴런 모델(Hodgkin-Huxley 모델)에 대한 상세한 시뮬레이션을 통해, 저자들은 이 새로운 "사건 기반" 도구들이 뉴런 네트워크가 어떻게 행동할지 예측하는 데 매우 탁월하다는 것을 입증했습니다.

• 그들은 eDF 곡선을 살펴봄으로써 특정 리듬을 생성하도록 뉴런 네트워크를 설계할 수 있음을 보여주었습니다. 만약 곡선이 특정 선을 가로지른다면, 안정적인 리듬이 존재할 것임을 알 수 있습니다.
• 그들은 이러한 네트워크가 견고하다는 것을 증명했습니다. 입력 속도를 약간 변경하더라도, 입력이 흥분성이냐 억제성이냐에 따라 뉴런들은 발맞추어 걷거나(동위상), 반보 늦게 움직이는(반위상) 방식으로 리듬에 고정됩니다.
• 그들은 뉴런 간 연결의 "감쇄 시간(decay time, 신호가 머무는 시간)"이 리듬을 조절하는 강력한 조절 손잡이라는 것을 발견했습니다.

발견의 한계
이 연구 결과는 실제 뇌에 대한 물리적 실험이 아니라 컴퓨터 시뮬레이션을 바탕으로 한다는 점에 유의해야 합니다. 저자들은 자신들의 방법이 테스트한 모델(Hodgkin-Huxley 뉴런 등)에는 훌륭하게 작동하지만, 매우 복잡하고 비매끄러운 행동을 보이는 모든 유형의 뉴런에 적용되지는 않을 수 있다고 조심스럽게 언급했습니다. 또한, 모든 입력이 정확히 하나의 출력을 유발하는(1:1 잠금) 특정 시나리오에 집중했습니다. 이는 흔하지만 보편적인 현상은 아닙니다.

이것이 왜 중요한가
이 연구의 궁극적인 목표는 단순히 생물학을 이해하는 것이 아니라, 더 나은 기계를 만드는 것입니다. 저자들은 이 새로운 사건 기반 도구들을 사용함으로써 엔지니어들이 뇌의 효율성을 모방하는 "뉴로모픽(neuromorphic)" 컴퓨터, 즉 칩을 설계할 수 있다고 제안합니다. 뉴런의 느리고 무거운 물리 법칙을 시뮬레이션하는 대신, 이 칩들은 이산적인 "사건"들을 전달하며, eDF와 ePRC를 사용하여 시스템 전체가 올바른 박자에 맞춰 춤을 추도록 할 수 있습니다. 이는 더 똑똑하고 효율적인 로봇과, 인간의 신경계와 상호작용할 때 억지스럽지 않고 자연스럽게 느껴지는 의료 기기를 만드는 데 기여할 수 있습니다.

요약하자면, 브로블스키와 세풀케르는 단순히 오래된 도구를 수정한 것이 아니라, 뇌의 불꽃이 사용하는 고유한 언어를 마침내 구사할 수 있는 새로운 도구를 만들어낸 것입니다.