Bridging Neurons to Behaviour: A Generative Neural Engine Mechanistically Rejects the Independent Race Model

본 연구는 신경 활동과 행동을 성공적으로 연결하는 딥 마르코프 모델 기반의 저차원 생성 신경 엔진을 제시하여, 공유된 신경 다양체 기하학이 반응 시간 분포를 결정하는 상호작용 역학 프레임워크를 지지하고 독립적 경주 모델을 기각하는 기작적 증거를 제공한다.

핵심

당신의 뇌를 수천 명의 악기 (뉴런) 가 동시에 연주하는 거대하고 혼란스러운 오케스트라라고 상상해 보세요. 오랫동안 과학자들은 이 시끄럽고 고음량의 혼란이 어떻게 손이 멈추기로 결정하는 것과 같은 단일하고 매끄러운 행동으로 전환되는지 이해하는 데 어려움을 겪어 왔습니다.

이 논문은 이 미스터리를 해결하기 위해 번역기나 '가상 뇌'처럼 작동하는 새로운 도구인 '생성 신경 엔진 (Generative Neural Engine)'을 소개합니다. 그들이 무엇을 하고 무엇을 발견했는지 간단히 설명하면 다음과 같습니다:

1. '가상 뇌' 번역기

연구진들은 마카크 원숭이가 '정지 - 이동' 게임을 하는 동안 원숭이 뇌의 혼란스러운 음악을 듣는 컴퓨터 프로그램 (Deep Markov Model) 을 구축했습니다.

• 비유: 뇌의 활동을 거대하고 엉킨 실뭉치라고 생각해 보세요. 이 엔진은 이를 풀어서 모든 실 하나하나를 추적할 필요가 없다는 것을 발견했습니다. 전체 그림을 이해하려면 세 가지 특정 실만 추적하면 됩니다.
• 결과: 이 세 차원은 '전환점'입니다. 원숭이가 다음에 무엇을 할지 거의 완벽하게 정확하게 예측하는 데 필요한 최소한의 정보량입니다. 밝혀진 바에 따르면 뇌의 의사 결정 과정은 원시 데이터가 시사하는 것보다 훨씬 더 단순하고 조직화되어 있습니다.

2. 시간 여행기로서의 '가상 뇌'

그들은 뇌 데이터만을 사용하여 이 엔진을 구축한 후, 이를 스스로 작동하게 했습니다.

• 비유: 무용수의 발은 전혀 보지 않고 무용수의 근육만 관찰하여 로봇에게 무용수를 모방하도록 가르치는 것과 같습니다. 그런 다음 로봇에게 춤을 추게 하면 로봇은 무용수의 타이밍과 속도를 완벽하게 재현합니다.
• 결과: 이 '가상 뇌'는 컴퓨터가 원숭이의 행동이 아닌 오직 뇌 활동만을 배웠음에도 불구하고, 실제 원숭이가 보였던 반응 시간 (원숭이가 얼마나 빠르게 반응했는지) 의 정확한 패턴을 성공적으로 재현했습니다.

3. 오래된 '경주' 이론 깨기

수십 년 동안 과학자들은 뇌가 두 마리 말의 경주처럼 작동한다고 믿어 왔습니다. 이 오래된 관점 (독립 경주 모델) 에서 한 말은 '이동 (Go)'을, 다른 말은 '정지 (Stop)'를 나타냅니다. 그들은 독립적으로 달립니다. 누가 먼저 결승선을 통과하느냐가 승자를 결정합니다.

• 발견: 연구진들은 '가상 뇌'를 사용하여 수천 개의 시뮬레이션 실험을 수행한 결과, 이 경주 이론이 잘못되었다는 것을 발견했습니다.
• 새로운 현실: 말들이 별도의 트랙을 달리는 것이 아닙니다. 그들은 같은 트랙을 달리며 서로 부딪히고 서로에게 영향을 미칩니다.
  • 위반 1: '정지' 신호는 단순히 '이동' 신호가 끝날 때까지 기다리는 것이 아니라, 도착 시점에 따라 '이동' 신호의 경로를 실제로 왜곡시킵니다.
  • 위반 2: 멈추는 데 걸리는 시간은 원숭이가 이동하려던 속도와 직접적으로 연결됩니다. 그들은 물리적으로 연결되어 있으며 독립적이지 않습니다.
• 비유: 두 명의 별도 달리는 주자가 아니라, 하나의 강을 상상해 보세요. 강에 돌 (정지 신호) 을 던지면 물의 흐름 (이동 신호) 이 바뀝니다. 돌이 흐름과 어떻게 상호작용하는지 이해하지 않고는 강의 속도를 이해할 수 없습니다.

4. 뇌 조종하기

마지막으로 연구진들은 이 엔진을 사용하여 뇌의 경로를 '조종'할 수 있음을 보여주었습니다.

• 비유: 강의 정확한 모양을 안다면, 흐름의 방향을 바꾸기 위해 적절한 위치에 작은 돌을 떨어뜨릴 수 있습니다.
• 결과: 그들은 원숭이의 반응을 체계적으로 더 빠르거나 더 느리게 만들도록 신경 '강'을 살짝 밀어내는 방법을 입증하여 의사 결정의 물리적 메커니즘을 이해하고 있음을 증명했습니다.

큰 그림

이 작업은 뉴런의 발화라는 '하드웨어'와 우리가 보는 행동이라는 '소프트웨어' 사이의 간극을 연결합니다. 우리의 결정이 독립적인 생각 사이의 단순하고 추상적인 경주의 결과가 아니라, 뇌 내의 공유된 물리적 공간에서 일어나는 복잡하고 상호작용하는 춤의 결과임을 증명합니다.

기술 요약

기술적 요약: 생성 신경 엔진을 통한 뉴런과 행동 간 연결

문제 제기
시스템 신경과학에서 지속적인 과제는 가변적이고 고차원적인 신경 활동과 견고하며 저차원적인 행동 생성 사이의 기작적 연결을 규명하는 것이다. 구체적으로, 기술적 상관관계를 넘어 신경 구현 (Marr 의 구현 수준) 과 행동 역학 (Marr 의 계산 수준) 을 물리적으로 연결하는 생성적 이해로 나아가야 할 필요성이 있다. 본 논문은 반응 억제 연구에 사용되는 패러다임인 반전 과제 (countermanding task) 를 조사함으로써 이 격차를 해소하며, 전통적인 모델인 독립 레이스 모델 (IRM) 은 근본적인 신경 기하학을 반영하지 않을 수 있는 추상적인 독립성 가정에 의존한다는 점을 지적한다.

방법론
신경 - 행동 간극을 메우기 위해 저자들은 딥 마르코프 모델 (DMM) 기반의 생성 신경 엔진을 개발하였다. 이 엔진은 반전 과제 중 마카크 전운동 피질에서 기록된 신경 활동만을 기반으로 훈련되었다. 이 모델은 두 가지 중요한 제약 조건으로 정의된다:

1. 저차원성: 모델은 신경 상태 공간의 컴팩트한 표현을 추구한다.
2. 마르코프 역학: 모델은 현재 상태가 직전 상태에만 의존하도록 강제하여, 추출된 표현이 진정한 동역학 시스템임을 보장한다.

저자들은 이 엔진을 활용하여 in silico 실험을 수행했는데, 이는 신경 궤적을 시뮬레이션하여 행동 출력 (반응 시간) 을 생성하고, "가상 뇌"의 발생 역학에 대조하여 독립 레이스 모델의 공리들을 검증하는 것이었다.

주요 기여 및 결과

• 최소 동역학적 전환점의 식별: 분석 결과, 동역학적 예측 가능성을 극대화하기 위해 필요한 최소 임계값은 3 차원임을 확인하였다. 이 차원성에서 모델은 거의 완벽한 정확도로 경쟁하는 운동 계획을 기능적으로 구별할 수 있으며, 이는 전운동 피질의 복잡한 신경 역학이 실제로 저차원 매니폴드에 의해 지배됨을 시사한다.
• 생성 충실도: 신경 데이터만으로 훈련되었음에도 불구하고, 이 엔진은 행동 반응 시간의 복잡한 분포를 재현할 수 있는 생성 알고리즘으로 작용한다. 이는 추출된 저차원 매니폴드가 행동을 주도하기에 충분한 정보를 포함하고 있음을 확인시켜 준다.
• 독립 레이스 모델 (IRM) 의 기작적 기각: 생성 엔진을 사용하여 저자들은 IRM 의 두 가지 독립성 공리를 검증하고 기각하였다:
  • 맥락 독립성 위반: 시뮬레이션된 정지 실패 분석은 반응 시간 분포에 SSD(정지 신호 지연) 의존적 왜곡을 드러냈다. 이러한 프로파일은 '가'와 '정지' 과정이 독립적이라는 가정을 위반하며, 대신 Pause-then-Cancel(일시 정지 후 취소) 프레임워크와 부합한다. 한 피험체에서 시뮬레이션 데이터는 Bissett 등 (2021) 이 보고한 인간 행동 패턴과 밀접하게 일치하였다.
  • 확률적 독립성 위반: trial 당 시뮬레이션은 반응 시간과 억제 지연 사이에 뚜렷한 양의 상관관계를 발견하였다. 이 상관관계는 과정들이 확률적으로 독립적이지 않고 결합되어 있음을 나타낸다.
• 기하학적 설명: 본 논문은 이러한 위반이 이상 현상이 아니라 공유 신경 매니폴드의 기하학에 의해 물리적으로 강제된 것이라고 주장한다. '레이스'는 상호작용하는 동역학적 설명으로 대체되는데, 여기서 신경 활동의 궤적은 본질적으로 '가'와 '정지' 과정을 결합한다.
• 교란 프로토콜: 저자들은 신경 궤적 내에서 교란을 설계하기 위한 새로운 프로토콜을 시연하였다. 엔진의 상태 공간을 조작함으로써 반응 시간에 체계적이고 예측 가능한 변화를 유도할 수 있었으며, 이는 신경 - 행동 루프에 대한 인과적 개입 방법을 제공한다.

의의
본 논문은 신경 구현과 행동 계산 간의 격차를 성공적으로 연결하는 데이터 기반 생성 알고리즘을 제공한다고 주장한다. 추상적인 레이스 모델을 기각하고 기하학적으로 제약된 동역학 시스템을 채택함으로써, 이 연구는 뇌가 행동을 생성하는 방식에 대한 기작적 설명을 제공한다. 이 엔진은 관찰된 데이터를 재현할 뿐만 아니라 행동 변이를 규정하는 물리적 제약 (공유 매니폴드) 을 드러내는 "가상 뇌"로서 기능하며, 복잡한 운동 조절을 이해하는 데 저차원 마르코프 표현의 유용성을 검증한다.