| Project/Area Number |
22K17956
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
森岡 博史 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (20739552)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
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)
|
|---|
| Keywords | 機械学習 / 因果探索 / 非線形解析 / 深層学習 / 計算神経科学 |
|---|
| Outline of Research at the Start |
本研究は，未だ多くの謎に包まれている脳の情報処理機構に対し，その根幹をなすとされる未知の脳内情報伝播・統合メカニズムの解明を通して挑むものである．脳の高度な情報処理は神経集団の領野間での情報伝播・統合によって実現されると考えられ，その未知のメカニズムは脳活動計測データからのモデル化・推定によって初めて理解可能となる．本研究では，そのような脳内の情報伝搬・統合機構を非線形ネットワーク因果構造としてモデル化し観測データから推定する新たな機械学習手法を開発することにより，脳の情報処理機構に対する新たな知見の獲得を目指す．
|
| Outline of Annual Research Achievements |
本研究は脳の高度情報処理機構の基盤をなす未知の脳内情報伝搬・統合メカニズムの解明を目的とし，そのために機械学習に基づく新たな非線形ネットワーク因果構造推定法を開発することで挑戦するものである．
本年度は主に，研究実施計画における「非線形ネットワーク因果構造の推定法の研究」を目指し，そのための要素技術となる，潜在因果構造の推定法の開発に従事した．提案法は，マルチモーダル計測データのように，観測変数がいくつかのグループに分離でき，それぞれのグループごとに観測が行われているというデータ構造を仮定することを特徴とする．そのようなグループ構造を陽に考えることにより，従来では困難だった潜在空間における因果探索が可能となることを示したものとなる．また，新たな推定法として自己教師学習に基づくものを提案しており，連続最適化に基づき深層非線形モデルの学習が可能であるなど，従来法よりも効率的な学習が可能である．提案法の有効性を示すため，人工的に生成した遺伝子制御ネットワークデータや高次元画像データに適用した結果，従来法よりも高い精度で背後にある因果構造が推定できることが示された．これらの結果は複数モダリティにより計測された脳計測データを解析する上でも重要な要素であり，本研究を遂行する上で重要な足がかりとなる．なお，提案法は脳計測データのみでなく様々なマルチモーダルデータに適用可能であり，幅広い応用が期待される．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は主に，研究実施計画における「非線形ネットワーク因果構造の推定法の研究」を目指し，そのための要素技術となる，グループ性に基づく因果構造の推定法の開発に従事した．提案法により，複数モダリティにより計測されたヒト脳活動計測データから，モダリティ間の隠れた因果構造を推定可能になることが期待される．ここで得られた成果は査読付き国際会議に採択された．以上を総合して，ヒトの脳内情報伝搬・統合メカニズムの解明に向けた研究を順調に進められたと考える．
|
| Strategy for Future Research Activity |
次年度は引き続き「非線形ネットワーク因果構造の推定法の研究」に従事するのに加え，次の段階である「脳活動計測データへ適用することによる脳情報処理メカニズムの解明」を進める．すなわち，本年度で提案した手法を実際に脳活動計測データに適用することで，脳の情報処理メカニズムとしての情報伝播・統合モデルの推定とその理解を目指す．ここでは例えばヒトの脳活動計測データ，特に外部刺激下（視覚・聴覚刺激など）で取得されたデータを用いる．そのような多次元データに対して提案法を適用し，外部刺激下における脳内のネットワーク因果構造を推定することで，外部刺激に対してどのように領野間で情報伝播・統合が行われることで情報が処理されているのか，その本質的なメカニズムに迫ることが可能となると期待される．
|
