統計学輪講 第12回

さまざまな実験により，ニューロン集団の発火活動が低次元の隠れ状態の時間発展によって記述できることが確認されている．とくに近年では，Neural ODEを含む点過程モデルによって神経スパイク列の背後にある隠れ状態の遷移を可視化する研究が行われている（Kim et al., 2021）．
本研究では，空間方向の発火活動の変化に着目する．いくつかの脳の部位はトポグラフィックマップを形成しており，ニューロンの発火特性がその位置によって連続的に変化するような性質をもつ．本発表では，このような空間的な発火特性の変化を推定することを目標に，Continuous normalizing flow（Chen et al., 2018）を利用したマーク付き点過程モデルを提案する．

[1] R. T. Q. Chen, Y. Rubanova, J. Bettencourt and D. K. Duvenaud, Neural ordinary differential equations, Advances in Neural Information Processing Systems, 2018.
[2] T. D. Kim, T. Z. Luo, J. W. Pillow and C. D. Brody, Inferring latent dynamics underlying neural population activity via neural differential equations, Proceedings of the 38th International Conference on Machine Learning, 2021.