일시적 시냅스 기억을 지닌 신경 네트워크에서 침묵 상태로부터의 활동 재생

초록

일시적 시냅스 기억은 지속적인 신경 활동이 없을 때에도 단기 정보를 유지하는 잠재적 메커니즘으로 부상하고 있다. 그러나 활동이 중단된 후 신경 네트워크의 미래 진화를 예측하기에 은닉 시냅스 상태만으로 충분한 정보를 포함하는지는 여전히 불분명하다. 본 연구에서는 유한 수명 시냅스를 가진 최소 신경 네트워크 모델을 도입하고, 완전한 신경 침묵 이후의 자발적 활동 재생성 메커니즘을 조사한다. 첫 번째 침묵 상태에서의 잔여 시냅스 구성이 네트워크 활동이 단일 활성화 주기 후 종료되는지, 아니면 추가 주기를 자발적으로 재생성하는지를 이미 결정함을 보여준다. 이 시냅스 기억 스냅샷을 분석하여, 새로운 흥분성 뉴런의 누적 개수로 정량화되는 잠재적 흥분성 모집(LER) 능력이 이후의 네트워크 시뮬레이션을 계속 수행하지 않고도 다중 주기 역학의 거의 완벽한 예측 변수임을 확인한다. 놀랍게도, 이러한 뚜렷한 역학적 결과는 그 외에는 동질적인 신경 네트워크에서 발생하며, 이는 일시적 시냅스 기억만으로도 다양한 미래 역학을 생성하기에 충분함을 입증한다. 본 연구 결과는 잔여 시냅스 상태로부터의 활동 재생성에 대한 메커니즘적 설명을 제공하며, 단기 기억이 지속적인 신경 활동뿐만 아니라 새로운 신경 집단을 모집할 네트워크의 능력을 보존하는 잠재적 시냅스 구성에도 부호화되어 있음을 시사한다. 더 넓게는, 제안된 스냅샷 기반 프레임워크가 신경 네트워크의 미래 진화를 예측하고 잠재적으로 제어하기 위한 새로운 관점을 제공한다.

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.

일시적 시냅스 기억을 지닌 신경 네트워크에서 침묵 상태로부터의 활동 재생

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

초록

Support