Information Processing Models and Data Analysis Platforms for Multicellular Neurodynamics
| Project Area | Multicellular neurobiocomputing |
|---|
| Project/Area Number |
21H05163
|
|---|
| Research Category |
Grant-in-Aid for Transformative Research Areas (B)
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
Transformative Research Areas, Section (IV)
|
|---|
| Research Institution | Future University-Hakodate |
|---|
Principal Investigator |
香取 勇一 公立はこだて未来大学, システム情報科学部, 教授 (20557607)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
加藤 秀行 大分大学, 理工学部, 准教授 (00733510)
徳田 慶太 順天堂大学, 健康データサイエンス学部, 講師 (50762176)
保坂 亮介 芝浦工業大学, システム理工学部, 准教授 (80569210)
|
|---|
| Project Period (FY) |
2021-08-23 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥27,300,000 (Direct Cost: ¥21,000,000、Indirect Cost: ¥6,300,000)
Fiscal Year 2023: ¥9,100,000 (Direct Cost: ¥7,000,000、Indirect Cost: ¥2,100,000)
Fiscal Year 2022: ¥9,100,000 (Direct Cost: ¥7,000,000、Indirect Cost: ¥2,100,000)
Fiscal Year 2021: ¥9,100,000 (Direct Cost: ¥7,000,000、Indirect Cost: ¥2,100,000)
|
|---|
| Keywords | レザバー計算 / ニューラルネットワーク / 感覚情報処理 / 運動制御 / バイオ計算 / 計算論的神経科学 / 脳型人工知能 / マルチセルラバイオコンピューティング |
|---|
| Outline of Research at the Start |
生体実験と情報科学を深く統合し，頑健性・柔軟性を持つ情報処理のダイナミクスを明らかにする「マルチセルラバイオコンピューティング」の確立を目指す。特に多細胞神経活動データ解析の手法を整備した上で，生物の大脳皮質から得られる神経活動データに適用し，大脳皮質の視覚野・運動野の神経回路網が持つダイナミクスと機能の特性を明らかにする．また培養系神経ネットワークで観測される特性を取り込んだ数理モデルを構築し，そのダイナミクスと情報処理の特性を明らかにする．さらに自発活動に基づく内部状態表現を組み込んだ情報処理機構を構築するとともに、効率的なハードウェア実装を念頭に置いた情報処理モデルを構築する．
|
| Outline of Annual Research Achievements |
最終年度である2023年度も順調に研究が進行し、多くの成果が得られた。特に、リザバー計算を培養神経回路上に実装し、その上で音声認識が可能であること、またパターン認識における汎化能力を確認することができた。これらの培養神経回路上に、さらに機能的なネットワークを構築するための準備として、スパイキングニューロンネットワークの数理モデルを構築し、予測符号化に関わる性能やパラメータ依存性の評価を進めた。また、シナプススケーリングなどの詳細なシナプス生理学パラメータを導入したシミュレーションのフレームワークを構築した。加えて、多チャンネルの神経活動データと神経ダイナミクスの数理モデルを基に、神経回路の機能的結合を推定する新たなデータ解析手法の整備にも取り組み、その基本的な動作を確認することができた。
さらにバイオ計算の可能性を探索し、複合的なレザバー計算モデルを構築した。まず視覚情報のみを使用してエージェントの行動を計画するためのレザバー・ベースのメンタルシミュレーションモデルを提案した。このモデルは予測符号化とレザバー計算モデルを組み合わせることで、エージェントの行動を最適化し、目標状態に到達するための環境をシミュレートする。さらに、モータープリミティブの生成と切り替えのためのレザバー強化学習モデルの研究では、基本的な運動パターンを生成し、これらを切り替えるための強化学習モデルを提案した。連続した状態行動空間を持つタスクにおいて、提案モデルがモータープリミティブの切り替えを行い、複雑な軌道パターンを生成する能力を示した。これらの結果から、提案モデルが実世界環境での効率的な学習、行動計画、教示データの欠如や未知の環境への適応という課題に対処できる可能性が示された。これらの研究により、感覚情報処理と運動制御の統合ネットワークモデルに基づくバイオ計算の基盤が構築できたことになる。
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(68 results)
