Mathematics in Neuroscience プレゼン準備 — 数学解説 HTML 一覧
| 段階 | 内容 | ノート |
|---|---|---|
| ① マルコフ性・半群性 | CTMC の公理・P(t+s)=P(t)P(s) | [NSM-001], [NSM-014], [NSM-016] |
| ② 標準性 → Q の誕生 | P(t)→I、P'(0) = Q の定義、行和ゼロ | [NSM-008], [NSM-018], [NSM-032] |
| ③ Kolmogorov 方程式 → exp(Qt) | P'(t)=QP(t)、P(t)=exp(Qt) の一意解 | [NSM-011], [NSM-005] |
| ④ 固有値分解 | exp(Qt)=Ve^ΛtV⁻¹、指数の本数 = 状態の数 | [NSM-028] (計算入門), [NSM-003], [NSM-010], [NSM-013] |
| ⑤ 観測量への接続 | マクロ電流・dwell time ヒストグラム | [NSM-009] |
| ⑥ 逆問題（推定） | 観測データから Q を推定、最尤法 | [NSM-005], [NSM-006], [NSM-007], [NSM-024] |
| § | セクション | 関連ノート (クリックで開く) | 状態 |
|---|---|---|---|
| 前提 | CTMC 仮定の正当化 (なぜ仮定してよいか) | [NSM-015] なぜ CTMC 仮定が正当化されるのか — 物理・数学・経験の三層構造 (演繹パイプラインの「地盤」ノート) | ✓ |
| 全体 | 演繹の流れ (5 段階の論理連鎖) | [NSM-002] CTMC 仮定 → 指数分布 → Q 行列 → 予測 → 実験検証 (プレゼン全体の骨格メタノート) | ✓ |
| §0 | タイトル + 問い | — | — |
| §1-2 | 単一チャネル記録 + 滞在時間ヒストグラム | [NSM-009] マクロ電流 vs 滞在時間ヒストグラム | ✓ |
| §3 | 指数の数 = 状態の数 (核心) |
[NSM-004] 指数分布と状態数推定 [NSM-010] 補足: CTMC が指数分布を生む (§3–§5 統合) | ✓ |
| §4 | 必要最小限の数学 (CTMC・Q行列・exp(Qt)) |
[NSM-001] CTMC の数学的定義 — マルコフ性・時間均一性・指数滞在 (§4a 定義) [NSM-008] P(t) = exp(Qt) に至る論理順序 — 6 ステップの因果連鎖 (§4 論理順序・「Q が先、exp が後」) [NSM-032] P'(0) = Q — 遷移確率行列の微分と Q 行列の関係 (§4 Q 誕生の微分導出) [NSM-014] 遷移確率半群と Chapman-Kolmogorov 関係式 — マルコフ性から Q 行列への橋 (§4 補足・半群構造) [NSM-011] 行列指数関数 $e^{Qt}$ と Q 行列 — Kolmogorov 方程式の統合解説 (主・§4 メイン) [NSM-006] ラプラス変換と指数の畳み込み (確率変数の和) (補足) | ✓ |
| §5 | 固有値構造と状態数の橋渡し |
[NSM-010] CTMC が指数分布を生む — Q 行列の固有値構造 [NSM-003] 式レベル詳細: dwell time スペクトル分解 | ✓ |
| §6 | 逆問題: 最尤推定 (Colquhoun-Hawkes) |
[NSM-005] Kolmogorov 方程式 vs 逆問題 [NSM-007] 補足: ラプラス vs フーリエ (畳み込み) | ✓ |
| §7 | 同定可能性 (数学者へのフック) | (予定) | — |
| §8 | まとめ | — | — |
数学者向けに CTMC モデルを説明するときの推奨順序を俯瞰するメタノート。マルコフ性 → 半群性 → 標準性 → Q の誕生 → Kolmogorov 方程式 → exp(Qt) → 固有値分解 → 観測量 → 逆問題という 9 段階の B 方式パイプラインを表・SVG 図 4 枚で整理。NSM-008 の 6 ステップを骨格に、全ノート群（NSM-001〜NSM-018）への案内地図として機能。推奨スライド構成（1 時間プレゼン）とタイムテーブルも付録。
[NSM-019] → nsm-019.html「指数分布を見たから CTMC を仮定した」という論理の誤解を解消するノート。物理的根拠（熱浴の相関時間 10⁻¹² s とチャネル遷移 10⁻³ s の 9 桁のスケール差）が観測前から無記憶性を強制し、数学（Cauchy 関数方程式の唯一解定理）が指数分布を一意に導き、経験的観測がそれを追認するという三層構造を整理。演繹パイプライン (ctmc-deductive-pipeline) の「地盤」レイヤー。反証可能性 (非指数 dwell time・dwell time 間相関・非平衡 cyclic mechanism) も整理。SVG 4 枚。
[NSM-015] → nsm-015.htmlプレゼン全体を「① CTMC 仮定 → ② 指数分布/指数和減衰 → ③ Q 行列導入 → ④ 固有値・分布・相関の予測 → ⑤ 実験検証」の 5 段階の演繹連鎖として整理したメタノート。たった 1 つの仮定からどう実験検証可能な複数の予測が同時に出てくるかを、各段階の接続のタイプ（数学的必然・モデル化・計算・実験検証）と共に明示。各段階から対応する個別ノートへ全リンク。プレゼン全体構造の俯瞰用。
[NSM-002] → nsm-002.html「Q が先か exp が先か」という論理順序の疑問に直接答えるノート。マルコフ性・標準性・有限状態空間という 4 条件が 6 ステップを経て $P(t) = e^{Qt}$ に至る因果連鎖を整理。当初の説明との比較図・スカラーアナロジー（Cauchy 関数方程式の病的解）・$Q = P'(0)$ から exp が出る因果フロー図など 4 SVG。ユーザの直感「Q が先、exp が後」が正しい理由を証明する。
[NSM-008] → nsm-008.html「半群」という語が論文・教科書に繰り返し登場する理由を、抽象代数の定義から関数解析の C₀-半群まで一本のストーリーで整理。マグマ→半群→モノイド→群の代数構造階層図・1-パラメータ半群が時間軸から行列空間への準同型である図解・なぜ「群」でなく「半群」か（確率行列の非負性が $t < 0$ を排除）・C₀-半群と Hille-Yosida 定理の概観・NSM-008 の 6 ステップでの半群性登場位置。
[NSM-016] → nsm-016.htmlNSM-016 の §2 で突然出てくる「写像」「準同型」「半群準同型」を数式なしで解説する橋渡しノート。自動販売機・翻訳アプリ・log/exp の例えで直感を積み上げ、P : [0,∞) → L(X) が「時間を入れたら行列が出てくる装置」であること、P(t+s)=P(t)·P(s) が「半群準同型」の正体であることを 4 SVG で図解。
[NSM-017] → nsm-017.htmlNSM-008 のステップ② に出てくる「標準性 (Standardness)」「連続性 (Continuity)」を数学なしで解説する橋渡しノート。「連続 = ジャンプしない」の直感・P(t) に連続性が必要な物理的理由・標準性が破れると Q が定義できない理由・6 ステップでの位置づけを 4 SVG で図解。「標準性がなければいくらマルコフ性があっても Q は定義できない」というメッセージを視覚化。
[NSM-018] → nsm-018.html前進方程式の解 $P(t) = e^{Qt}$ が成立する数学的根拠として「$\frac{d}{dt}e^{At} = Ae^{At}$」の正当化が必要。バナッハ代数（$M_n(\mathbb{C})$ が劣乗法性を持つ完備ノルム空間）・Weierstrass M-test による一様絶対収束・項別微分定理（Rudin 7.17）の 3 段論法で完全証明。素人向け入門（病的な反例・解決の鍵 4 つ）と数学者向け厳密証明の二部構成。可換性 $Ae^{At} = e^{At}A$ から前進/後進方程式の解が一致する理由も解説。
[NSM-022] → nsm-022.htmlNSM-008 ステップ④・NSM-019 段階④⑦で登場する前進方程式 $\frac{dP(t)}{dt} = P(t)Q$ の数学的内容と、平衡分布 $\pi$（定常分布）の出現理由を独立解説するノート。Chapman-Kolmogorov からの導出・観測量計算・定常条件 $\pi Q = 0$ の導出・Q の行和ゼロ/固有値 0 と π の対応・2 状態モデルの具体計算・収束の時定数を 5 SVG と確信度ラベルで整理。NSM-005 の用語整理を前提に数学的中身を扱う。
[NSM-021] → nsm-021.htmlNSM-008 ステップ④・NSM-019 段階④で登場する後退方程式の典型応用として、平均到達時間（mean first passage time, MFPT）問題を解説するノート。「前進は初期分布ベクトルを固定、後退はゴール状態での境界条件を固定」という核心的対比を軸に、$Q_R h_R = -\mathbf{1}$ の導出・3 状態イオンチャネルモデルの具体計算・dwell time 統計との接続を 5 SVG と確信度ラベルで整理。NSM-021（前進側）の姉妹ノート。
[NSM-023] → nsm-023.htmlスライド 13 で「いきなり」登場する $P_{ij}(t) := P(X(t)=j \mid X(0)=i)$ を読むには、状態空間 $S$（ラベルの集合）と確率過程 $X(t) \in S$（時刻 $t$ の状態を返す確率変数）が前提として必要であることを解説するノート。「S は確率？」という典型的誤解を FAQ 形式で解消し、論理的依存ステップ（$S \to X(t) \to P_{ij}(t) \to P(t) \to \text{Chapman-Kolmogorov}$）を縦フロー図で可視化。3 状態モデルの遷移図・X(t) サンプルパス・記号対比図・依存グラフ — 5 SVG / 確信度ラベル付き / スライド修正案（1 枚挿入 or 2 行追加）付き。
[NSM-026] → nsm-026.html$P(t)$ が $k \times k$ の時間依存確率行列であること・$P_{ij}(t)$ の成分の意味（行=出発点・列=到達点）・行和が 1 になる確率的根拠・初期条件 $P(0)=I$・半群性・Q 行列との対比（行和 0 vs 行和 1、速度 vs 確率、$P(t)=e^{Qt}$ の関係）を整理したノート。2 状態モデルの解析解と $t \to \infty$ での平衡分布収束を具体計算で確認。4 SVG（状態遷移図・P(t) グリッド行和可視化・Q vs P(t) 対比図・時間変化曲線グラフ）と確信度ラベル付き。
[NSM-027] → nsm-027.htmlメインプレゼン Slide 21 で省略されがちな「半群性 → Kolmogorov 方程式 → exp(Qt)」の中間ステップを完全展開するノート。半群性の両辺を $s$ で微分して $s \to 0$ と置く操作で前進/後退方程式を導く手順・前進と後退が同一解 $e^{Qt}$ を持つ根拠である可換性 $Q e^{Qt} = e^{Qt} Q$ のべき級数証明・スライド修正コピーペーストテンプレートを収録。4 SVG（論理連鎖縦フロー図・$s$ 方向微分イメージ図・可換性証明スケッチ図・前進後退が同一解に帰着する図）と確信度ラベル付き。NSM-008 ステップ④の詳細展開ノート。
[NSM-025] → nsm-025.htmlNSM-019 段階⑨「逆問題（パラメータ推定）」の詳細実装ノート。「観測できるのは dwell time 系列、直接観測できないのは Q 行列」という逆問題を MLE で解く手法を前半（やさしい入門）＋後半（数学者向け厳密版）の二部構成で解説。尤度の視点の反転（確率 vs 尤度）・積の形の正当化（マルコフ性による独立性）・log 変換の理由・Colquhoun-Hawkes 形式の行列積尤度・漸近統計性質（クラメール・ラオ下界・漸近正規性）・数値安定性（行列指数計算・scaling-and-squaring）を 5 SVG と確信度ラベルで整理。コイン投げの例で尤度曲線を可視化。NSM-005・NSM-019・NSM-023 の逆リンク追加済み。
[NSM-024] → nsm-024.htmlNSM-008 ステップ③・NSM-011 §1 に登場する定義式 Q := lim_{t↓0} (P(t)−I)/t ∈ ℝ^{n×n} に含まれる 5 つの記号（:= / lim / t↓0 / ∈ / ℝ^{n×n}）を数学初心者向けに 1 つずつ読み解く橋渡しノート。「定義する」「極限」「右からの極限（時間は逆行できない）」「属する」「黒板太字」という 5 点を日常例と SVG 図で説明。微分の直感（P(t) の接線の傾き = Q）・2 状態数値例（閉/開 モデル, α=3, β=7 /秒）・行和ゼロの確率保存則を図解。
スライド「マルコフ性 → Q 行列」の中間に挿入すべき論理を整理するノート。遷移確率行列 $P(t)$ の半群構造 $P(t+s)=P(t)P(s)$（Chapman-Kolmogorov 関係式）の導出と意味を解説し、「指数関数」が 2 種類（A 系統: 滞在時間の指数分布・B 系統: 行列指数）あって別の論理連鎖を通ることを 2 系統並列の SVG 図で図解。ユーザが感じた「順序の混乱」を直接解消。PPTX へのスライド挿入案・口頭説明スクリプト（30 秒版・1 分版）付き。
[NSM-014] → nsm-014.html§4 の主軸ノート。Q 行列（生成作用素）の正体・Kolmogorov 前進/後進方程式の導出・解 $P(t)=e^{Qt}$ のマクローリン展開と各項の確率論的意味・前進と後進が同じ解を持つ理由（可換性）・対角化 $e^{Qt}=Ve^{\Lambda t}V^{-1}$ による計算フローを式レベルと図解で統合解説。SVG 5 枚。
[NSM-011] → nsm-011.htmlHawkes & Colquhoun 本の Section 9.1 を図解。なぜラプラス変換が必要なのか — 畳み込み定理によって、2つの独立な確率変数の和の分布が「積」で計算できるから。$t_{\text{open}} + t_{\text{shut}}$ の分布 $f(t)=\alpha\beta'/(\alpha-\beta')(e^{-\beta't}-e^{-\alpha t})$ の導出と、Section 11 のマクロ電流パネル A/B との関係まで。本ノートでの「和」は確率変数の和 (= 畳み込み = Erlang/hypoexp) を指し、密度の線形和 (= mixture) とは別概念。
[NSM-006] → nsm-006.html発表全体の心臓部。指数分布の基本、無記憶性 (= マルコフ性)、指数の和 (mixture, 線形結合) と 畳み込み (Erlang/hypoexp, 確率変数の和) の決定的な違い、そして「指数の本数 = 状態の数」というメッセージ。Colquhoun-Hawkes の古典図 (実線=畳み込み Erlang / 破線=指数の和 mixture) を実データ例として埋め込み。
[NSM-004] → nsm-004.html無記憶性（マルコフ性）の式 $P(T > s+t \mid T > s) = e^{-\lambda t}$ を「単なる指数法則」ではなく「確率的に何を意味するか」として完全に理解するための詳細ノート。生存関数・条件付き確率・指数法則と独立性・時間原点のリセット・イオンチャネルの物理的根拠・関数方程式の唯一解条件までを 6 本の SVG 図で段階的に解説。CTMC・イオンチャネル解析の理論的基盤。
[NSM-012] → nsm-012.html教科書がマクロ電流で書く理由と、なぜこの発表が単一チャネル滞在時間ヒストグラムから出発するかを明示。3つの似たもの (単一電流トレース・マクロ電流・ヒストグラム) の区別。両者は同じ Q行列の固有値を共有。
[NSM-009] → nsm-009.html「後進方程式 = 逆問題」という誤解の解消。両方とも順方向に確率を計算する方程式で、違いは「何を固定して何を動かすか」だけ。逆問題はパラメータ推定の枠組みで、方程式の向きとは無関係。
[NSM-005] → nsm-005.htmlColquhoun-Hawkes がなぜ片側ラプラス変換を使うのかを解説。片側 vs 両側信号の違い、$s = \sigma + i\omega$ の関係（フーリエはラプラスの虚軸への制限）、畳み込み定理の対比。滞在時間分布・尤度の積分消去にラプラスが必須な理由と、チャネル雑音解析にフーリエが登場する場面を整理。
[NSM-007] → nsm-007.html指数の和 (mixture) 分布の数学的根拠を全確率の公式から導出し、畳み込み (Erlang/hypoexp) との対称性を「積 vs 線形和」というラプラス変換の視点で整理。Q 行列のスペクトル分解が指数の重ね合わせを生む仕組み、部分分数分解の係数の符号が peak の有無を決める理由を SVG 5 枚で図解。§3→§5 をつなぐ補足ノート。
[NSM-013] → nsm-013.htmlCTMC の無記憶性が指数滞在時間を必然的に生む理由（無記憶性 ↔ 指数分布の同値）から出発し、直列構造 → 畳み込み (Erlang/hypoexp) / 並列構造 → 指数の和 (mixture) が $Q_{CC}$ の固有値分解から統一的に説明できることを図解。「指数の本数 = 固有値の個数 = 状態数」「係数の符号 = 並列/直列の判定子」という §3 メッセージの数学的正体を SVG 5 枚で導出。§3（現象論）と §5（固有値構造）をつなぐメタノート。
[NSM-010] → nsm-010.html$f_C(t) = \boldsymbol{\pi}_C e^{Q_{CC}t}(-Q_{CC}\mathbf{1})$ を $Q_{CC} = V\Lambda V^{-1}$ で対角化し、$\sum_k c_k e^{\lambda_k t}$ への式レベルの分解を導出。固有値 $\lambda_k$（常に負、時定数を決める）と係数 $c_k$（符号不定、peak の有無を決める）の役割の違いを明示。直列 2 状態（畳み込み Erlang/hypoexp）と並列 2 状態（指数の和 mixture）の完全計算で符号パターンを具体的に示し、§3 観察と §5 数学の対応表を構築。SVG 5 枚。
[NSM-003] → nsm-003.html確率空間 $(\Omega, \mathcal{F}, P)$ とフィルトレーション $\{\mathcal{F}_t\}$ を用いた形式的定義から出発し、マルコフ性・時間均一性・指数滞在時間・有限状態空間の 4 性質を数学者向けに厳密展開。「無記憶性 $\Leftrightarrow$ 指数分布」の同値定理の証明概要、voltage clamp 条件下での時間均一性の根拠、イオンチャネルの状態遷移図との対応、$Q$ 行列への接続を SVG 5 枚で図解。
[NSM-001] → nsm-001.html固有値の定義 $Q\mathbf{v}=\lambda\mathbf{v}$ から出発し、特性方程式 $\det(Q-\lambda I)=0$ の意味を段階的に分解。2 状態モデル (Closed ⇌ Open) での手計算を完全展開し、$\lambda_1=0$（定常分布）と $\lambda_2=-(\alpha+\beta)$（減衰モード）が得られる過程を示す。時定数 $\tau=1/|\lambda|$ との関係と numpy による数値計算まで収録。
[NSM-028] → nsm-028.html神経科学のマルコフモデルで登場する $e^{Qt}$ が「なぜ定義できるか・なぜ収束するか・なぜ微分できるか」を数学的に根拠づけるノート。$M_n(\mathbb{C})$ という住処・行列ノルムの劣乗法性 $\|AB\| \leq \|A\|\|B\|$・バナッハ代数の完備性・マクローリン展開の絶対収束・コンパクト集合 $[0,T]$ 上の一様絶対収束という 5 段階の論理連鎖を、関数解析未学習の読者向けに順序立てて解説。
[NSM-029] → nsm-029.htmlQ を対角化すると、滞在時間分布が指数の和 (線形結合 $\sum_k c_k e^{\lambda_k t}$) になる仕組み。Q のサブブロックの固有値 = 観測されるヒストグラムの指数成分。これが「指数の本数 = 状態数」の数学的正体。
単一チャネル記録の dwell time データから Q 行列を最尤推定する枠組み。尤度関数 $L(Q) = \prod f_O(t_O^{(k)}) \cdot f_C(t_C^{(k)})$・Open/Closed ブロック行列 $Q_{OO}, Q_{CC}$・対数尤度の最大化・Baum-Welch（EM アルゴリズム）・scaling-and-squaring 法による $e^{Q_{AA} t}$ の数値計算・推定後の固有値解析。
[NSM-030] → nsm-030.html逆行列 $A^{-1}$ の意味を「線形変換の巻き戻し」として幾何的に図解し、連立方程式 $A\mathbf{x}=\mathbf{b} \Rightarrow \mathbf{x}=A^{-1}\mathbf{b}$ の一発解法・逆行列の存在条件（$\det A \neq 0$）・ill-conditioned の意味・Moore–Penrose 擬似逆行列への橋渡しを解説。神経科学応用として受容野推定（STA/最小二乗）・線形システム同定・正規方程式・線形デコーディング/コネクトーム解析の 4 例を統一的に整理。固有値分解 $e^{Qt}=Ve^{\Lambda t}V^{-1}$ での $V^{-1}$ の役割も接続。
[NSM-031] → nsm-031.htmlマルコフ連鎖モデルで得られた状態確率 $p(t)$ に、コンダクタンスベクトル $\mathbf{v}$ を乗じて駆動力 $(V - V_\mathrm{rev})$ とチャネル数 $N$ でスケールすることで観測電流 $I(t)$ が得られる。スペクトル分解を使うと $I(t) = I(\infty) + \sum_i b_i e^{-t/\tau_i}$ という指数和の形になる（式28）。係数 $b_i = N(V-V_\mathrm{rev})\mathbf{p}(0)A_i\mathbf{v}$（式29）を成分展開したのが式(30)。
[NSM-031] → channel-current.htmlマルコフ連鎖モデルで「なぜ $P'(0) = Q$ が成り立つのか」を、微分の定義に忠実に 3 ステップで導出する。$P(0)=I$ の代入・$h \downarrow 0$（右極限）の必然性・非対角成分と対角成分それぞれの極限が Q 行列の定義式と一致することを段階的に確認。前進方程式 $P'(t)=QP(t)$ および $e^{Qt}$ への橋渡しとして機能する基礎ノート。
[NSM-032] → p-prime-zero-equals-q.html異なる Q が同じ観測分布を与える可能性 (Fredkin-Rice 1986)。集約マルコフ連鎖 (lumping) の問題。代数幾何的アプローチ。数学者が興味を持てる開いた問題。
C:\Users\lunel\Documents\claude\Mathematics in neuroscience\docs\learning\.html。self-contained (inline CSS / SVG / base64画像) で他環境にコピーしても動く。最終更新: 2026-06-03 (NSM-032 P'(0)=Q 追加・作成済み 32 件) / プロジェクト: Mathematics in Neuroscience プレゼン準備
関連トピック: Neuroscience (NSC) — エングラム・記憶痕跡・光遺伝学タグ付け技術