Project/Area Number |
21K19781
|
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 |
船水 章大 東京大学, 定量生命科学研究所, 講師 (20724397)
|
Project Period (FY) |
2021-07-09 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
|
Keywords | 身体運動 / 深層学習 / マウス / 機械学習 / 強化学習 / 行動実験 / 神経活動計測 |
Outline of Research at the Start |
ロボットが行動を学習する理論として強化学習がある.中脳ドーパミン細胞による強化学習の実装が発見されて以来,脳の意思決定研究は,神経細胞と強化学習の関係を調べてきた.しかし,強化学習は,動物の行動選択を100%説明できるわけではない.本研究は,脳の意思決定モデルの再構築に向けて,深層学習で,マウスの行動選択を予測する.情報学的手法と,マウスの神経活動計測を組み合わせて,脳の意思決定の新因子同定を目指す.
|
Outline of Annual Research Achievements |
1997年に中脳ドーパミン細胞による強化学習(報酬予測誤差)実装が発見されて以来,脳の意思決定研究は,神経細胞と強化学習の関係を調べてきた.しかし,強化学習は,動物の行動選択を100%説明できるわけではない.本研究は,脳の意思決定モデルの再構築に向けて,深層学習で,マウスの行動選択を予測する.情報学的手法と,マウスの神経活動計測を組み合わせて,脳の意思決定の新因子同定を目指す. 意思決定の新因子同定に向けて,本年度は,前年度に構築した行動実験系で,マウスの身体運動データを計測した.この行動実験系では,カメラを4台から5台に増設し,前後左右から (前方3台,後方2台),マウスの身体運動を140 Hzのサンプリングレートで計測した.なお,複数のカメラで,異なる位置から身体運動を計測し,マウスの身体運動の3次元軌道を取得した.行動課題中の4匹以上のマウスで,データを計測した.また,身体運動計測と同時に,マウスの神経活動を電気生理学的に計測した.意思決定の因子同定に向けて,必須なデータの取得が完了した. 身体運動データの解析では,前年度と同様に,DeepLabCutで,マウスの主要な身体部位の軌道を抽出した.また,身体運動軌道と神経活動の同期を取り,解析用データセットを作成した.今後,深層学習や線形回帰,スパース性を持つラッソ回帰といった機械学習で,マウスの選択行動の100%予測を目指す.また,深層学習の素子の挙動から,行動選択に重要な非線形神経回路網を予測・モデル化し,マウスの実際の神経活動と対応付ける.
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
前年度に構築した実験系で,4匹のマウスで,身体運動と神経活動の同時計測に成功した.データは取得したが,深層学習を用いた情報学的解析が遅れている.今後,深層学習で,マウスの行動選択を予測し,行動を司る神経回路網をモデル化する.また,同回路網の素子の挙動を解析し,意思決定の新因子同定を目指す.
|
Strategy for Future Research Activity |
これまでに計測した身体運動と神経活動データの解析を始める.特に,深層学習で,マウスの行動選択を過去の時系列データから予測する.この深層学習モデルの予測精度を,従来の強化学習の精度と比較する.また,深層学習の素子の挙動と,マウスの実際の神経活動を比較し,意思決定の新因子同定に繋げる.
|
Report
(2 results)
Research Products
(5 results)