Firing Without Wiring: How REM-like Sleep Reactivation Rebalances Excitation and Inhibition to Orthogonalize Memories
생물학적으로 타당한 순환 신경망을 사용한 본 연구는 REM 유사 수면이 '재활성화 대상 가지치기' 메커니즘을 통해 기억 공고화를 촉진한다는 것을 입증하며, 여기서 재활성화된 최근의 기억들은 간섭을 줄이고 표현을 직교화하기 위해 억제 가소성을 필요로 하지 않고도 오래된 기억 집단으로부터 오는 흥분성 입력을 선택적으로 약화시킨다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
매일 밤, 인간의 뇌는 급속 안구 운동(REM) 수면이라고 알려진 단계를 포함하여 다양한 휴식 상태를 거듭합니다. 수십 년 동안 과학자들은 이 상태가 기억에 필수적이라는 점을 이해해 왔지만, 정확한 기계적 이유는 여전히 미스터리로 남아 있습니다. 우리는 비REM 수면 동안 뇌가 최근의 경험을 재현하여 이를 강화한다는 것, 마치 시험 전에 노트를 복습하는 것과 유사하다는 것을 알고 있습니다. 그러나 REM 수면은 다릅니다. 뇌는 활발하게 움직이지만, 활동 패턴이 특정 사건을 동일하게 질서 정연한 방식으로 재현하는 것처럼 보이지는 않습니다. 대신, 많은 연구자들은 오래전부터 REM 수면이 다른, 아마도 더 미묘한 목적을 수행할 것이라고 의심해 왔습니다. 즉, 너무 비슷해지거나 뒤엉킨 기억들을 분리하는 '청소부' 역할을 할 수도 있다는 것입니다. 만약 두 기억이 너무 많은 세부 사항을 공유하면 서로 간섭을 일으켜 어느 하나도 정확하게 회상하기 어렵게 만들 수 있습니다. 지배적인 이론은 REM 수면이 이러한 연결을 풀어내어, 유사한 기억들이 서로 구별되게 하고 서로를 덮어쓰지 않도록 보장한다고 제안합니다. 이 설득력 있는 아이디어에도 불구하고, 개별 연결 수준에서 뇌가 어떻게 이러한 분리를 달성하는지 정확히 증명하는 것은 어려웠는데, 이는 우리가 살아있는 인간의 뇌에서 일어나는 미세한 변화를 실시간으로 관찰할 수 없기 때문입니다.
이 수수께끼를 풀기 위해, 캘리포니아 대학교 샌디에이고의 연구진은 뇌의 학습 과정을 모방하는 컴퓨터 시뮬레이션에 주목했습니다. 그들은 디지털 뇌를 구축했는데, 이는 학생이 순차적으로 서로 다른 숫자 쌍을 인식하는 법을 배우는 것과 유사하게, 하나의 과업을 연달아 학습하도록 설계된 인공 신경망의 일종입니다. 이 디지털 세계에서 새로운 과업을 학습하는 것은 종종 기존의 것들을 잊게 만드는 현상을 초래했는데, 이는 '파괴적 망각(catastrophic forgetting)'이라 불리는 문제입니다. 연구진은 그다음 새로운 학습 세션 후에 시뮬레이션된 수면 단계를 도입했습니다. 이 수면은 시스템이 가동을 중단하는 휴식기가 아니라, 생물학적 뇌에서 보이는 혼란스러운 발화 패턴을 모방하여 무작위 노이즈에 의해 네트워크가 재활성화되는 시간이었습니다. 이 시뮬레이션된 수면 동안, 디지털 뉴런 사이의 연결은 외부의 교사가 무엇이 옳은지 틀린지 알려주지 않는 상태에서, 단순하고 국소적인 규칙들에 기반하여 변화할 수 있도록 허용되었습니다.
시뮬레이션 결과는 기억이 어떻게 보호되는지에 대한 놀라운 메커니즘을 밝혀냈습니다. 디지털 뇌가 새로운 과업을 학습할 때, 해당 새로운 과업을 담당하는 뉴런들이 지배적이 되어, 이전에 오래된 기억들에 속했던 입력값들을 효과적으로 탈취(hijacking)하게 됩니다. 이것이 바로 망각을 일으킨 원인이었습니다. 그러나 시뮬레이션된 수면 단계가 시작되면, 가장 최근의 과업을 나타내는 뉴런들이 가장 많이 발화합니다. 이러한 지배성 때문에, 이 활발한 뉴들은로 들어오는 연결들은 특정한 유형의 변화를 겪게 됩니다. 오래되고 침묵하고 있는 기억들로부터 오는 입력들은 약화되는 반면, 최근의 활발한 기억들로부터 오는 연결들은 보존되거나 약간 강화됩니다. 이 과정은 불필요한 연결을 효과적으로 가지치기(pruning)하여, 새로운 기억으로부터 탈취한 입력들을 제거합니다. 결과적으로, 오래된 기억들은 다시 독자적으로 기능할 수 있도록 자유로워졌으며, 시스템은 새로운 과업과 오래된 과업 모두를 높은 정확도로 회상할 수 있었습니다.
저자들이 "재활성화 대상 가지치기(reactivation-targeted pruning)"라고 부르는 이 메커니즘은, 가소성(연결이 변할 수 있는 능력)이 현재 활성화된 뉴런에만 집중되도록 함으로써 작동합니다. 만약 어떤 뉴런이 자신의 입력이 조용한 상태에서 발화한다면, 그 둘 사이의 연결은 약화됩니다. 가장 최근의 과업을 위한 뉴런들은 수면 중에 가장 많이 발화했지만, 오래된 과업을 위한 뉴런들은 대부분 조용했기 때문에, 오래된 과업에서 새로운 과업으로 이어지는 연결들은 선택적으로 약화되었습니다. 이를 통해 오래된 과업들이 자신만의 전용 경로를 되찾을 수 있었습니다. 연구진은 이 과정이 복잡한 지시나 글로벌 명령 센터를 필요로 하지 않는다는 것을 발견했습니다. 이는 한 그룹이 활성화되어 있고 다른 그룹은 그렇지 않을 때 뉴런들이 상호작용하는 단순한 규칙으로부터 자연스럽게 발생했습니다. 흥ся возбу적인(excitatory) 연결만이 변할 수 있는 뇌를 시뮬레이션하거나 생물학적 배선 규칙을 엄격히 적용했을 때도 동일한 결과가 나타났습니다. 즉, 새로운 기억은 이전 것들과 분리되었고, 오래된 기억들은 보존되었습니다.
또한 이 연구는 이러한 분리가 모든 개별 기억에 대해 완벽하게 이루어지는 것은 아님을 보여주었습니다. 가장 최근의 것과 가장 많은 특징을 공유하는 기억들은, 수면 중에도 그 입력이 충분히 활성화되어 가지치기 과정이 완전히 자리 잡는 것을 방차했기 때문에서 가장 풀기 어려운 대상이 됩니다. 이는 매우 유사한 것들이 서로 다른 것들보다 구별하기 더 어렵다는 현실 세계의 경험을 반영합니다. 나아가, 연구진은 다양한 유형의 디지털 네트워크와 더 복합적인 이미지를 사용하여 그들의 발견을 테스트했으며, 동일한 원칙이 유효함을 확인했습니다. 이 메커니즘은 특정 유형의 컴퓨터 모델에 국한된 기술이라기보다, 국소적 학습 규칙이 편향된 재활성화와 상호작용할 때 발생하는 일반적인 결과인 것으로 보였습니다.
이러한 발견은 신경과학의 오랜 미스터리에 대해 구체적이고 테스트 가능한 설명을 제공합니다. 이는 REM 수면이 반드시 특정 사건을 강화하기 위해 재현하는 것이 아니라, 최근의 기억이 가진 지배성을 이용하여 간섭을 일으키는 연결들을 선택적으로 약화시킨다는 점을 시사합니다. 새로운 기억이 과거로부터 탈취한 입력을 가지치기함으로써, 뇌는 오래된 기억들이 다시 스스로 존재할 수 있게 합니다. 이 과정은 우리가 새로운 것을 배울 때 기존의 것을 잃는 것이 아니라, 그것들을 별개로 유지하고 접근 가능하게 만드는 것을 보장합니다. 이 연구는 시스템이 망각 없이 지속적으로 학습할 수 있는 명확한 청사진을 제공하며, 이는 궁극적으로 인공지능을 개선하고 인간의 뇌가 끊임없이 유입되는 새로운 정보를 관리하는 방식에 대한 이해를 심화하는 데 기여할 수 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.