본 논문은 동물 생리학에서 관찰되는 항상성(Allostasis) 개념을 내부 표상 제어에 확장하여 환경에 대한 지각적 신념을 업데이트하는 새로운 모델을 제시합니다. 특히 수치 인지에 초점을 맞춰, 매력자 네트워크(attractor network)의 활동 덩어리(bump of activity)를 공간적 수치 표상으로 사용합니다. 기존 신경망은 지속적인 상태를 유지할 수 있지만, 환경 변화에 대한 신경 활동의 공간적 변화를 동적으로 제어하는 통합된 프레임워크는 없었습니다. 이를 해결하기 위해, 저자들은 잘 알려진 항상성 미세 회로인 Hammel 모델을 링 매력자(ring attractor)와 결합하여, 참조 입력 함수로 덩어리의 위치를 조절할 수 있는 스파이킹 신경망(Spiking Neural Network) 아키텍처를 구현했습니다. 이 국소적 활동은 시뮬레이션된 하위화 작업(subitization task, 셈 없이 빠르게 숫자를 파악하는 과정)에서 지각적 신념으로 사용됩니다. 모델을 미세 조정하는 일반적인 절차를 제공하고, 덩어리 위치의 성공적인 제어를 보여줍니다. 또한 매개변수 변화에 따른 모델의 응답 시간을 연구하고 생물학적 데이터와 비교합니다. 마지막으로, 네트워크의 역동성을 분석하여 입력에 존재하는 서로 다른 범주에 대한 다양한 뉴런의 선택성과 특이성을 이해합니다. 지속적인 상태를 이동시키는 메커니즘을 포함한 이 논문의 결과는 수치 인지에 국한되지 않고 유사한 표상을 포함하는 광범위한 작업에 적용될 수 있습니다.
