A Grid Cell-Inspired Structured Vector Algebra for Cognitive Maps

要約

閉塞性産卵型層は、哺乳類の脳の航海システムであり、グリッドセルを介して物理的および抽象的な空間の両方をコードしています。
このシステムは神経科学によく研究されており、その効率と汎用性により、ロボット工学と機械学習のアプリケーションにとって魅力的です。
連続アトラクタネットワーク（缶）は、物理的空間をエンコードするために根茎グリッドセルを正常にモデル化しますが、連続空間的および抽象的な空間計算の両方を統合されたフレームワークに統合することは依然として困難です。
ここでは、缶とベクターのシンボリックアーキテクチャ（VSA）に触発された眼型卵胞形成における汎用性のある情報処理の機械的モデルを提案することにより、このギャップを橋渡ししようとします。
新規グリッドセルVSA（GC-VSA）モデルは、3Dニューロンモジュールを使用して空間的に構造化されたエンコードスキームを採用しており、グリッドセルモジュールの離散スケールと方向を模倣し、特徴的な六角形受容フィールドを再現しています。
実験では、モデルは空間的および抽象的なタスクの汎用性を示しています。（1）追跡位置の正確なパス統合、（2）オブジェクトの位置と時間的関係を照会するための空間的表現、および（3）家系の構造的なテストケースとして家系を使用した象徴的推論。

要約(オリジナル)

The entorhinal-hippocampal formation is the mammalian brain’s navigation system, encoding both physical and abstract spaces via grid cells. This system is well-studied in neuroscience, and its efficiency and versatility make it attractive for applications in robotics and machine learning. While continuous attractor networks (CANs) successfully model entorhinal grid cells for encoding physical space, integrating both continuous spatial and abstract spatial computations into a unified framework remains challenging. Here, we attempt to bridge this gap by proposing a mechanistic model for versatile information processing in the entorhinal-hippocampal formation inspired by CANs and Vector Symbolic Architectures (VSAs), a neuro-symbolic computing framework. The novel grid-cell VSA (GC-VSA) model employs a spatially structured encoding scheme with 3D neuronal modules mimicking the discrete scales and orientations of grid cell modules, reproducing their characteristic hexagonal receptive fields. In experiments, the model demonstrates versatility in spatial and abstract tasks: (1) accurate path integration for tracking locations, (2) spatio-temporal representation for querying object locations and temporal relations, and (3) symbolic reasoning using family trees as a structured test case for hierarchical relationships.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google