大規模な教師有り学習を実現できる生物学的に尤もらしい学習則は存在するか？

Research Project

Project/Area Number	25K15283
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61040:Soft computing-related
Research Institution	Kwansei Gakuin University
Principal Investigator	三浦佳二関西学院大学, 生命環境学部, 教授 (60520096)
Project Period (FY)	2025-04-01 – 2030-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2029: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2028: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2027: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2026: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Keywords	深層学習
Outline of Research at the Start	深層学習の学習則としては、慣習的にバックプロパゲーション則（BP則）が用いられている。しかしながら、BP則は、あるシナプスの重みを更新する際に、遠く離れたシナプス重みの情報を必要とするなど、実際には脳では実現不能であるとされ、脳のモデルとは言えない。それでは、脳ではどのような学習則が使われているのだろうか？脳で使われている学習則の候補となるには、神経回路網（やGPU）で並列実装できると言う意味で生物学的に尤もらしいと同時に、現実的な大規模な問題を解く能力が必要不可欠である。本研究では、どのような学習則ならば、生物学的に尤もらしい並列計算により、大規模な教師有り学習を実現できるか、を探索する。