一過性シナプス記憶を持つ神経ネットワークにおける沈黙状態からの活動再生

要旨

一過性シナプス記憶は、持続的な神経活動が存在しない場合でも短期情報を保持する潜在的メカニズムとして注目されている。しかしながら、活動停止後の神経ネットワークの将来の進化を予測する上で、隠れたシナプス状態のみが十分な情報を含むかどうかは未だ明らかではない。本稿では、有限寿命のシナプスを持つ最小限の神経ネットワークモデルを導入し、完全な神経沈黙後の自発的活動再生の背後にあるメカニズムを調査する。最初の沈黙状態における残存シナプス構成が、ネットワーク活動が単一の活性化サイクルで終了するか、それとも追加のサイクルを自発的に再生するかを既に決定していることを示す。このシナプス記憶スナップショットを分析することにより、新鮮な興奮性ニューロンの累積数で定量化される潜時興奮性動員（LER）容量が、その後のネットワークシミュレーションを継続することなく、多サイクルダイナミクスのほぼ完全な予測因子となることを特定する。注目すべきことに、これらの異なる動的結果は、他は均質な神経ネットワークにおいて出現し、一過性シナプス記憶のみで多様な将来のダイナミクスを生成するのに十分であることを実証する。我々の発見は、残存シナプス状態からの活動再生のメカニズム的説明を提供し、短期記憶が進行中の神経活動だけでなく、新しい神経集合を動員するネットワークの能力を保持する潜在的なシナプス構成にも符号化されていることを示唆する。より広く、提案されたスナップショットベースの枠組みは、神経ネットワークの将来の進化を予測し、潜在的に制御するための新たな視点を提供する。

English

Transient synaptic memory has emerged as a potential mechanism for maintaining short-term information even in the absence of persistent neuronal activity. However, it remains unclear whether the hidden synaptic state alone contains sufficient information to predict the future evolution of neuronal networks after activity has ceased. Here, we introduce a minimal neuronal network model with finite-lifetime synapses and investigate the mechanism underlying spontaneous activity regeneration following complete neuronal silence. We show that the residual synaptic configuration at the first silent state already determines whether network activity terminates after a single activation cycle or spontaneously regenerates an additional cycle. By analyzing this synaptic-memory snapshot, we identify the Latent Excitatory Recruitment (LER) capacity, quantified by the cumulative number of fresh excitatory neurons, as a near-perfect predictor of multi-cycle dynamics without continuing the subsequent network simulation. Remarkably, these distinct dynamical outcomes emerge in an otherwise homogeneous neuronal network, demonstrating that transient synaptic memory alone is sufficient to generate diverse future dynamics. Our findings provide a mechanistic explanation for activity regeneration from a residual synaptic state and suggest that short-term memory is encoded not only in ongoing neuronal activity but also in the latent synaptic configuration that preserves the network's capacity to recruit new neuronal assemblies. More broadly, the proposed snapshot-based framework offers a new perspective for predicting and potentially controlling the future evolution of neuronal networks.

一過性シナプス記憶を持つ神経ネットワークにおける沈黙状態からの活動再生

Activity Regeneration from Silent States in Neuronal Networks with Transient Synaptic Memory

要旨

Support