| Project/Area Number |
20K21805
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 61:Human informatics and related fields
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Iino Yuichi 東京大学, 大学院理学系研究科(理学部), 教授 (40192471)
|
|---|
| Project Period (FY) |
2020-07-30 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
Fiscal Year 2021: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2020: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
|
|---|
| Keywords | 線虫 / 強化学習 / 行動モデル / 確率モデル / 4Dイメージング / 全脳イメージング / 化学走性学習 / シナプス可塑性 / 確率的生成モデル / 行動制御 / 光遺伝学 / シナプス伝達 / 学習 / 化学走性 / 線虫C.elegans / Brain-machine interface / C. elegans / オプトジェネティクス / 走性行動 / MDN-RNN |
|---|
| Outline of Research at the Start |
本研究計画では、強化学習を用いて生物機能を向上させる方法論を開発する。そのために、体制が単純で試験的な研究に適した線虫C. elegansを用い、強化学習を用いて機械学習を行うことにより、線虫の学習能力を制御することを試みる。コンピュータは強化学習により、線虫を目的の場所に向かわせるための刺激を学習する。さらに、線虫の学習能力を高める刺激を学習する。
|
| Outline of Final Research Achievements |
In this study, we generated a neural network model which predicts the behavior of the nematode C. elegans at the next time step based on previous sequence of the behavior and external stimuli, by training the network using observed data of real animals. We next used this model nematode and trained a reinforcement learning model so as to regulate the model animal and succeeded in controlling the behavior of real C. elegans. We also observed the neural activity of the whole brain region of the animal and succeeded in predicting the reversal behavior at the next time step. We also found the synapse that change by learning and found that the phosphorylation of syntaxin, a key molecule for synaptic transmission, is regulated by learning and underlie the behavioral changes.
|
| Academic Significance and Societal Importance of the Research Achievements |
脳の情報の読み取りや操作は脳科学の大きな目標のひとつである。本研究では、線虫を用いて行動モデルを作成し、その上で強化学習を行い、これにより行動を自在にコントロールする方法を取得し、実際の線虫をその方法で制御できることを示した。さらに、分子的な行動制御にも成功し、全頭部のイメージングによる脳活動の読み取り、行動予測にも成功した。これら一連の読み取り、制御技術は将来ブレインマシンインターフェースにより神経損傷患者のリハビリ支援などの技術を開発する際の基盤的な学術的知見として有用となることが期待される。
|
