Transição de fase geométrica possibilita capacidade extrema de memória hipocampal

Resumo

Sistemas de memória podem armazenar quantidades vastamente diferentes de informação, apesar de limitações de hardware semelhantes. Aqui, mostramos que a memória espacial superior emerge de um enrijecimento discreto da geometria populacional do hipocampo — uma transição de codificação coletiva desorganizada para cristalina. Comparando chapins-de-cabeça-preta (que armazenam alimento) a tentilhões-zebra (que não armazenam), descobrimos que o hipocampo de armazenadores mantém uma geometria topologicamente rígida, "cristalina", com estabilidade geométrica significativamente maior (Shesha 0,245 vs 0,166) e coerência temporal quase duas vezes maior (Shesha 0,393 vs 0,209), enquanto o hipocampo de não armazenadores se assemelha a uma "névoa" desorganizada. Essa estabilidade é ativamente construída por dinâmicas de circuito sinérgicas: neurônios excitatórios formam o arcabouço espacial, enquanto populações inibitórias contribuem com decorrelação ortogonal — um motivo de circuito no qual populações excitatórias e inibitórias ocupam subespaços representacionais amplamente não sobrepostos. Uma dupla dissociação com o Alocador Estável de Memória de Valiant, um modelo que prevê que conjuntos dedicados de neurônios embasam cada memória, confirma que essa vantagem reflete organização topológica contínua, e não alocação discreta de neurônios: redes de armazenadores exibem confiabilidade de alocação metade-metade próxima de zero, apesar de sua superioridade geométrica. Modelagem computacional em 10.000 configurações revela que a rigidez topológica é o pré-requisito matemático para escala: códigos cristalinos sustentam leitura de alta fidelidade além de M=1.000 locais, enquanto códigos de névoa falham abaixo de M=10, uma vantagem de capacidade de >100 vezes. Essa capacidade exige uma redundância representacional de 169 vezes: um "imposto geométrico" que estabiliza a variedade contra ruído biológico. Esses resultados estabelecem a estabilidade geométrica como um princípio organizador candidato da memória biológica: a evolução alcança memória de alta capacidade não pela proliferação de neurônios, mas pela engenharia da geometria do próprio código neural.

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.