Геометрический фазовый переход обеспечивает экстремальную емкость гиппокампальной памяти.

Аннотация

Системы памяти могут хранить существенно разные объёмы информации, несмотря на схожие аппаратные ограничения. Здесь мы показываем, что превосходная пространственная память возникает из дискретного упрочнения геометрии популяции гиппокампа — перехода от неорганизованного к кристаллическому коллективному кодированию. Сравнивая синиц, запасающих корм, с зебровыми амадинами, не запасающими корм, мы обнаружили, что гиппокамп запасающих птиц поддерживает топологически жёсткую, «кристаллическую» геометрию с существенно более высокой геометрической стабильностью (Shesha 0,245 против 0,166) и почти двукратной временной согласованностью (Shesha 0,393 против 0,209), в то время как гиппокамп незапасающих птиц напоминает неорганизованный «туман». Эта стабильность активно создаётся синергетической динамикой цепей: возбуждающие нейроны формируют пространственный каркас, а тормозные популяции вносят вклад в ортогональную декорреляцию — схемный мотив, в котором возбуждающие и тормозные популяции занимают в значительной степени непересекающиеся репрезентационные подпространства. Двойная диссоциация со Стабильным аллокатором памяти Валианта — моделью, предсказывающей, что в основе каждой памяти лежат специализированные ансамбли нейронов, — подтверждает, что это преимущество отражает непрерывную топологическую организацию, а не дискретное выделение нейронов: сети запасающих птиц демонстрируют почти нулевую надёжность распределения при расщеплении выборки, несмотря на их геометрическое превосходство. Вычислительное моделирование по 10 000 конфигураций показывает, что топологическая жёсткость является математической предпосылкой масштабирования: кристаллические коды поддерживают высокоточное считывание для более M=1 тыс. локаций, тогда как туманные коды выходят из строя при M менее 10 — преимущество в ёмкости более чем в 100 раз. Эта ёмкость требует 169-кратной репрезентационной избыточности: «геометрического налога», стабилизирующего многообразие против биологического шума. Эти результаты устанавливают геометрическую стабильность в качестве кандидатного организующего принципа биологической памяти: эволюция достигает высокоёмкой памяти не за счёт размножения нейронов, а за счёт конструирования геометрии самого нейронного кода.

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.