继续阅读
神经元的统计物理 · 阅读路径
前几章只看一块膜。现在把许多神经元连起来:一个峰电位让几个邻居在下一步放电,这些邻居再点燃下一批。这种级联在记录里表现为一阵阵的活动,称为神经雪崩。本章先用分支过程算出级联有多大,再看电极阵列只记录到其中一部分时,记录里的统计量怎样偏离网络本身。
Lab 里的网络是 40 乘 25 的一片单元,共 1000 个。每个单元连向 5 格之内随机挑选的 10 个邻居。某一步有一个单元放电,它的每个邻居在下一步各以 的概率放电;刚放过电的单元下一步不能再放。于是一个峰电位直接点燃的后代数服从二项分布 ,平均为 ,这个数叫分支比。
如果每一代都独立地这样繁殖,第 代的平均大小是 ,整个级联的平均大小是几何级数之和。 时级联总会熄灭, 时有一定概率永远长下去, 正好在两者之间,这就是临界点。
在没有外部输入的安静网络里踢动一个单元,重复 20000 次来检验这个推理。 时第一代平均 ,只放一个峰电位的比例 0.6006,精确值 ;级联平均大小 ,理论值 2。 时第二代平均 ,低于独立繁殖给出的 0.64;平均大小 ,低于 5。
差别来自网络本身:两个峰电位同时打中同一个邻居,只能让它放一次电;刚放过电的单元也不能接着放。第一代的后代都来自同一个单元的 10 个不同邻居,不会撞车,所以和二项分布完全一致;越往后,撞车越多,后代就比独立繁殖少。
Zapperi、Lauritsen 和 Stanley 研究了最简单的情形:每个活跃位点以概率 产生两个新的活跃位点,否则停下。分支比是 ,临界点在 。这时级联大小只能是奇数,精确分布由 Catalan 数给出:,,,。
大尺寸时,他们的式 (8) 把它近似成 乘一个指数截断。截断尺寸 在临界点发散: 时是 199, 时是 4999。我们用精确的 Catalan 公式检查这个近似:、 时两者之比 0.99963, 时 0.99265;、 时 0.99814。
他们还给出级联持续时间的分布按 下降。指数 3/2 不只属于二分支:我们直接模拟了 20000 棵后代数服从平均为 1 的 Poisson 分布的树,用下一章的最大似然方法拟合,得到 。
反过来不成立。下一章会看到,没有任何临界级联的系统也能给出很像 3/2 的指数。
来源:S. Zapperi
实验看不到级联的家谱,只看到一串带时间的峰电位。通常的做法是:把所有电极记录到的事件合在一起,按宽度相同的时间箱计数;连续的非空箱组成一场雪崩,两边各有一个空箱。雪崩大小是这些箱里的事件总数,持续时间是箱的个数。
下图的计数序列被切成三场雪崩,大小是 6、1、6,持续时间是 3、1、2。把箱宽加倍,相邻两箱合并,原来被一个空箱隔开的后两场就连成一场。雪崩的大小分布因此既取决于网络,也取决于箱宽。
Lab 默认的电极阵列覆盖 1000 个单元中的 608 个,30 万步里记录到 2979 场雪崩,平均大小 114.5,最大 7461。对 10 个随机种子求平均,箱宽为 1、4、8 步时拟合指数分别是 1.461、1.393、1.387,变化不大。没有耦合、输入速率在几档之间跳变的模仿模型,同样三种箱宽给出 6.16、3.96、1.87。Priesemann 和 Shriki 指出,这种对箱宽的敏感正是区分两者的线索之一。
最直接的估计是把下一箱的计数对这一箱的计数做回归,斜率就是分支比,称为传统估计。Wilting 和 Priesemann 指出,只记录一部分单元时,每个滞后 的回归斜率 都被乘以同一个因子 。一步斜率因此偏小,但斜率随 衰减的速率不变,拟合整条衰减曲线就能找回 ,这叫多步回归。他们的例子中, 的过程只记录 10% 时,传统估计只有 0.312。
对每个峰电位独立地以 10% 的概率保留,可以从完整记录的均值、方差和一步协方差精确算出保留后的一步斜率。Lab 网络的一份记录预测 0.601,实测 ;12 份记录的偏差都在 2.4 个标准误以内。
Lab 默认设置下,阵列记录的一步斜率是 0.965,多步回归给出 ;对全部 1000 个单元做多步回归得到 0.9855。名义分支比是 1.05,实际只有 0.985,原因还是撞车和刚放过电的单元不能接着放。在安静网络里踢动一个单元,平均点燃 155 个峰电位,对应 。
题目。在 Lab 默认网络的同一份记录里,只用一角 5 乘 4 的 20 个电极。一步、十步、二十步的回归斜率是 ,,。传统估计是多少?用十步和二十步两个斜率估计 、 和相关时间,并与整个网络的 0.9855 比较。
建模。用 。两式相除消去 :。
计算。传统估计就是 ,照字面理解,一次级联平均只有 个峰电位。两步估计 ,,相关时间 步。整个网络的 0.9855 对应 68 步。
解释。两步估计把 0.491 拉回到 0.977,大部分偏差来自部分记录,可以被消掉;剩下的差距来自电极的位置。同一份记录里把 20 个电极随机撒在整片网络上,试了 5 种撒法,两步估计在 0.981 到 0.988 之间,多步回归在 0.9845 到 0.9864 之间,与整个网络一致。一个可能的原因是:挤在一角的电极总是一起看到同一场局部级联,级联很快走出这一角,给斜率加上了一段快速的早期衰减,这不是网络本身的分支比。
检验。随机撒开的 20 个电极一步斜率只有 0.30 到 0.34,比挤在一角的 0.491 还小,但它们给出的分支比更准。分支比体现在斜率随滞后衰减的速率上;一步斜率的大小主要反映阵列记录到了网络的多少。
时,一个峰电位一个后代都没有的概率是多少?如果把后代数近似成平均 0.5 的 Poisson 分布呢?
二项分布给出 ,Poisson 近似给出 。模拟得到 0.6006,与二项分布一致;只有 10 个邻居时 Poisson 近似略高。
二分支过程的截断尺寸要超过 Lab 默认记录中最大的雪崩 7461, 至少要多接近 1/2?
由 得 ,解出 ,离 1/2 不到 0.01。在有限的记录里,略低于临界和正好临界很难分开。
计数序列 0, 2, 3, 1, 0, 0, 1, 0, 4, 2, 0, 0 在箱宽为 1 时切出大小 6、1、6 的三场雪崩。箱宽加倍(每两个相邻箱合并)后,雪崩的大小和持续时间是多少?
合并后的序列是 2, 4, 0, 1, 6, 0,只剩两场雪崩:大小 6、持续 2 箱,大小 7、持续 2 箱。原来大小为 1 的那场被并进了后面的一场。
部分记录让所有斜率乘以 ,真实分支比 。一步斜率和三十步斜率各是多少?
,。只看 会把网络误判成明显亚临界。
v1,全文已读。二分支过程,临界概率为二分之一。式 (6a)、(7):雪崩大小的生成函数。式 (8):指数 3/2 的大小分布,截断大小为 −2/ln[4p(1−p)]。式 (11):临界时的分布。持续时间的指数为 2。我们用 Catalan 数复算了小尺寸的精确概率,并检查了渐近式的系数。
v3,读了正文第 1 至 3 页,未读补充方法。带外部驱动的分支过程;传统估计量是下一步计数对当前计数的回归斜率;欠采样让每个滞后斜率乘上同一个因子;多步回归估计量在多个滞后上拟合这条指数曲线。文中的例子:m = 0.9 的过程只采 10 % 时,传统估计给出 0.312。
读了引言、结果和讨论,未读方法部分。如何从分箱后的事件定义雪崩。恒定速率的 Poisson 过程不会给出幂律;速率在几个值之间切换时,大小分布在有限范围内接近指数约 3/2 的幂律。能区分两者的统计量;以及他们的结论:被动分析排除不了模仿临界活动的外部驱动,需要小而可控的扰动。
神经元的统计物理 · 阅读路径