いつ、どこで：モデル海馬ネットワークが時間細胞と場所細胞の形成を統合する方法

要旨: 海馬の場所細胞および時間細胞は、経験の空間的側面と時間的側面を符号化する。両者は同一の神経基盤を持つが、それぞれ異なる機能と機械論的な起源を持つものとしてモデル化されてきた。すなわち、場所細胞は連続アトラクタ、時間細胞は漏れ積分器として扱われる。ここでは、単一の反復型ニューラルネットワーク（RNN）が海馬CA3を予測的オートエンコーダとしてモデル化したものであり、そのRNNの2つの力学的レジームから、両タイプがともに生じることを示す。ネットワークは、空間パターン（環境内の移動中にサンプリングされた、位置特異的な活動）および／または時間パターン（「void」区間で隔てられた相関する活動のペア）を含む、部分的に遮蔽された疑似の「経験ベクトル」を受け取る。そして、欠落した入力を復元するように学習される。空間ナビゲーション中、ネットワークは安定したアトラクタのような場所場を生成する。しかし、時間的に構造化された入力で学習すると、ネットワークは連続的に広がった場を生み出し、時間細胞を再現する。時空間の入力パターニングを変えることで、隠れユニットが時間細胞様の表現と場所細胞様の表現との間を、滑らかに遷移することを観察する。これらの結果は、場所細胞と時間細胞が共通の起源を持ちつつ、課題（タスク）駆動の違いによって性質が分かれることを示唆している。