Geometrischer Phasenübergang ermöglicht extreme Hippocampus-Gedächtniskapazität

Zusammenfassung

Gedächtnissysteme können trotz ähnlicher Hardware-Beschränkungen extrem unterschiedliche Informationsmengen speichern. Hier zeigen wir, dass überlegene räumliche Gedächtnisleistung aus einer diskreten Versteifung der hippokampalen Populationsgeometrie hervorgeht – einem Übergang von unorganisierter zu kristalliner kollektiver Kodierung. Im Vergleich von nahrungsversteckenden Meisen mit nicht versteckenden Zebrafinken fanden wir, dass der versteckende Hippokampus eine topologisch starre, „kristalline“ Geometrie mit signifikant höherer geometrischer Stabilität (Shesha 0,245 vs. 0,166) und nahezu doppelter zeitlicher Kohärenz (Shesha 0,393 vs. 0,209) aufweist, während der nicht versteckende Hippokampus einem unorganisierten „Nebel“ gleicht. Diese Stabilität wird aktiv durch synergistische Schaltkreisdynamik aufgebaut: Exzitatorische Neuronen bilden das räumliche Gerüst, während inhibitorische Populationen zur orthogonalen Dekorrelation beitragen – ein Schaltkreismotiv, bei dem exzitatorische und inhibitorische Populationen weitgehend nicht überlappende Repräsentationsunterräume besetzen. Eine doppelte Dissoziation mit dem Stabilen Speicherzuweisungsmodell von Valiant, einem Modell, das vorhersagt, dass jeder Erinnerung dedizierte Neuronengruppen zugrunde liegen, bestätigt, dass dieser Vorteil auf kontinuierlicher topologischer Organisation und nicht auf diskreter Neuronenzuteilung beruht: Versteckende Netzwerke zeigen trotz ihrer geometrischen Überlegenheit eine nahezu Null-Split-Half-Allokationsreliabilität. Computermodellierungen über 10.000 Konfigurationen offenbaren topologische Starrheit als mathematische Voraussetzung für Skalierung: Kristalline Codes ermöglichen hochgetreues Auslesen jenseits von M=1.000 Orten, während Nebelcodes bereits unter M=10 versagen – ein mehr als 100-facher Kapazitätsvorteil. Diese Kapazität erfordert eine 169-fache Repräsentationsredundanz: eine „geometrische Steuer“, die die Mannigfaltigkeit gegen biologisches Rauschen stabilisiert. Diese Ergebnisse etablieren geometrische Stabilität als Kandidaten für ein Organisationsprinzip biologischen Gedächtnisses: Evolution erreicht ein Gedächtnis hoher Kapazität nicht durch Vermehrung von Neuronen, sondern durch technische Gestaltung der Geometrie des neuronalen Codes selbst.

English

Memory systems can store vastly different amounts of information despite similar hardware constraints. Here, we show that superior spatial memory emerges from a discrete stiffening of hippocampal population geometry-a transition from disorganized to crystalline collective coding. Comparing food-caching chickadees to non-caching zebra finches, we found that the caching hippocampus maintains a topologically rigid, "crystalline" geometry with significantly higher geometric stability (Shesha 0.245 v 0.166) and nearly two-fold greater temporal coherence (Shesha 0.393 v 0.209), while the non-caching hippocampus resembles a disorganized "mist." This stability is actively constructed by synergistic circuit dynamics: excitatory neurons form the spatial scaffold while inhibitory populations contribute orthogonal decorrelation, a circuit motif in which excitatory and inhibitory populations occupy largely non-overlapping representational subspaces. A double dissociation with Valiant's Stable Memory Allocator, a model predicting that dedicated neuron ensembles underlie each memory, confirms this advantage reflects continuous topological organization rather than discrete neuron allocation: caching networks exhibit near-zero split-half allocation reliability despite their geometric superiority. Computational modeling across 10k configurations reveals topological rigidity as the mathematical prerequisite for scale: crystalline codes sustain high-fidelity readout beyond M=1k locations while mist codes fail below M=10, a >100-fold capacity advantage. This capacity requires a 169fold representational redundancy: a "geometric tax" stabilizing the manifold against biological noise. These results establish geometric stability as a candidate organizing principle of biological memory: evolution achieves high-capacity memory not by proliferating neurons, but by engineering the geometry of the neural code itself.