The limbic navigation system as a hierarchical RNN
이 논문은 경로 적분 학습을 통해 뇌의 변연계 항법 시스템의 핵심적인 신경 표현, 회로 모티프, 그리고 역동적 현상들을 성공적으로 재현함으로써, 신경 메커니즘과 공간 행동을 연결하는 생물학적으로 해석 가능한 프레임워크를 제공하는 계층적 순환 신경망을 소개한다.
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
동물이 어떻게 집을 찾아가는지 이해하기 위해, 과학자들은 뇌 내부의 '림빅 항법 시스템(limbic navigation system)'이라 불리는 특화된 네트워크를 주목합니다. 이 시스템은 내부 나침반이자 지도 역할을 하여, 생명체가 지형지물을 보지 않고도 자신의 위치와 방향을 추적할 수 있게 해줍니다. 이는 특정 패턴으로 발화하는 독특한 유형의 신경 세포들에 의존하는데, 어떤 세포는 동물이 어느 방향을 향하고 있는지를 신호하고, 다른 세포는 얼마나 빨리 움직이는지를 측정하며, 세 번째 그룹은 공간상의 위치를 표시하는 격자 형태의 패턴을 만들어냅니다. 수십 년 동안 연구자들은 이러한 서로 다른 신호들이 어떻게 처리되고 결합되는지 이해하려고 노력해 왔습니다. 일부 모델들이 개별 세포의 발화 패턴을 성공적으로 재현하기도 했지만, 이들은 종종 뇌를 단일한 평면 구조의 기계처럼 취급하여, 실제 뇌가 방향과 속도를 별개의 연결된 단계로 처리한다는 사실을 놓치곤 했습니다.
유니버시티 칼리지 런던(University College London)의 연구팀은 이 간극을 메우기 위해 새로운 종류의 컴퓨터 모델을 구축했습니다. 그들은 뇌의 계층적 구조를 모방하도록 설계된 '계층적 순환 신경망(hierarchical recurrent neural network)'을 만들었습니다. 연구진은 컴퓨터에 하나의 패키지화된 속도 및 방향 신호를 입력하는 대신, 동물이 얼마나 회전하는지에 대한 신호와 얼마나 앞으로 전진하는지에 대한 신호라는 두 개의 분리된 입력을 제공했습니다. 이 모델은 정보가 특정 순서에 따라 전달되도록 네 개의 뚜렷한 층으로 구성되어 있는데, 이는 마치 원재료가 단계별로 변형되어 완제품이 되는 공장의 조립 라인과 같습니다. 첫 번째 층들은 회전 신호를 처리하며, 이후의 층들은 그 방향들을 속도와 결합하여 동물의 정확한 2차원 공간상의 위치를 계산합니다.
연구진이 이 시스템에 오직 움직임에만 기반하여 위치를 추적하는 '경로 적분(path integration)' 과업을 수행하도록 훈련시켰을 때, 네트워크는 단순히 수학 문제를 푸는 것 이상의 것을 학습했습니다. 이 네트워크는 쥐나 생쥐의 뇌에서 발견되는 실제 생물학적 세포들과 놀라울 정도로 유사한 내부 표현을 자발적으로 발달시켰습니다. 모델의 첫 번째 층들은 동물이 왼쪽이나 오른쪽으로 회전할 때 발화하는 세포들을 생성했는데, 이는 각속도 세포를 반영합니다. 신호가 두 번째 층으로 이동함에 따라, 세포들은 방향 자체에 더 집중하게 되었으며 이는 머리 방향 세포를 닮았습니다. 더 깊은 층에서 네트워크는 뇌의 내후각 피질에서 발견되는 유명한 격자 세포와 똑같이 격자 패턴에 따라 발화하는 세포들을 생성했습니다. 결정적으로, 모델은 방향과 위치를 결합하는 세포를 만들어냈는데, 이는 자연계에서 관찰되지만 단순한 컴퓨터 모델에서는 보기 드문 복잡한 유형의 세포입니다.
연구진은 모델이 뇌와 닮도록 강요하지 않았으며, 단지 과업을 학습하게 했을 뿐입니다. 그럼에도 불구하고, 형성된 내부 연결들은 알려진 생물학적 패턴과 일치했습니다. 네트워크는 활동이 원형으로 부드럽게 흐를 수 있는 고리 모양의 구조를 발달시켰는데, 이는 안정적인 방향 감각을 유지하는 데 필수적인 것으로 여겨지는 특징입니다. 또한, 시스템이 동물이 회전할 때 내부 지도를 올바르게 이동시킬 수 있도록 세포들 사이에 특정한 비대칭적 연결을 만들어냈습니다. 과학자들이 모델의 견고성을 테스트했을 때, 모델은 훈련 과정에서 본 적 없는 훨씬 더 긴 거리를 항해할 수 있었는데, 이는 모델이 특정 경로를 단순히 암기한 것이 아니라 움직임에 대한 일반적인 원리를 학습했음을 시사합니다.
이 부품들이 어떻게 함께 작동하는지 확인하기 위해, 연구팀은 모델 내의 특정 세포 집단을 비활성화하는 가상 실험을 수행했습니다. 왼쪽 회전을 감지하는 세포들을 침묵시키자, 모델의 내부 방향 감각이 지속적으로 오른쪽으로 흐르기 시작했습니다. 방향 감지 층과 위치 감지 층 사이의 연결을 끊자, 위치를 표시하는 격자 패턴이 무너지기 시작하고 형태를 잃었습니다. 이러한 결과는 특정 뇌 영역이 손상되었을 때 동물들에게 나타나는 유사한 방향 감각 상실 현상을 반영하며, 모델이 서로 다른 세포 유형 사이의 인과 관계를 포착했음을 확인시켜 줍니다.
마지막으로 정교한 테스트로서, 연구진은 뇌의 자연스러운 세타파(움직임 중에 발생하는 느린 전기적 진동)를 모사하는 리듬감 있는 펄스를 모델에 도입했습니다. 두 그룹의 회전 세포가 이 파동의 리듬에 맞춰 서로를 억제하도록 함으로써, 모델은 내부 지도를 앞뒤로 훑는 동작을 시작했습니다. 이는 모델이 현재 위치의 왼쪽과 오른쪽에 있는 위치들을 연속적으로 빠르게 시뮬레이션하는 현상인 '세타 스윕(theta sweep)'을 만들어냈습니다. 이 행동은 최근 실제 동물들에게서 관찰된 현상이며, 연구진이 명시적으로 프로그래밍하지 않았음에도 시뮬레이션에서 자연스럽게 나타났습니다.
이 연구는 뇌의 복잡한 항법 시스템이 무작위적인 부품의 집합이 아니라, 방향과 속도가 분리되어 처리된 후 결합되는 매우 조직화된 계층 구조임을 시사합니다. 뇌의 구조를 존중하며 모델을 구축함으로써, 연구진은 실제 뉴런과 그들을 연결하는 회로의 행동을 재현할 수 있는 '디지털 트윈'을 만들어냈습니다. 이러한 접근 방식은 뇌가 어떻게 작동하는지에 대한 아이디어를 테스트할 수 있는 강력한 새로운 방법을 제공하며, 과학자들이 살아있는 동물을 대상으로 수행하기 어렵거나 불가능한 가상 실험을 수행할 수 있게 해줍니다. 이 연구는 뇌의 항법 시스템의 특정 구조가 단순한 생물학적 우연이 아니라, 움직이는 세상에서 위치를 추적하기 위한 필수적인 해결책임을 보여줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.