2019 Fiscal Year Annual Research Report
Elucidation of the Mathematical Basis and Neural Mechanisms of Multi-layer Representation Learning
| Project Area | Correspondence and Fusion of Artificial Intelligence and Brain Science |
|---|
| Project/Area Number |
16H06563
|
|---|
| Research Institution | Okinawa Institute of Science and Technology Graduate University |
|---|
Principal Investigator |
銅谷 賢治 沖縄科学技術大学院大学, 神経計算ユニット, 教授 (80188846)
|
|---|
| Project Period (FY) |
2016-06-30 – 2021-03-31
|
| Keywords | ディープラーニング / 強化学習 / モジュール自己組織化 |
|---|
| Outline of Annual Research Achievements |
1) 多階層表現学習の数理基盤：ディープラーニングを強化学習に用いる場合に、学習の安定性を保証しながらデータ効率を改善するConservative Value Iterationアルゴリズムの収束速度の数理解析とシミュレーション実験結果を、国際会議AISTATS2019で発表した。また、隠れ状態を含む強化学習課題において、リカレントニューラルネットを用いた新たな学習手法を複数提案し、NeurIPS2019ワークショップで発表、ICLR2020に採択された。
2) 多階層表現学習の神経機構：ナビゲーション課題中のマウスの頭頂葉ニューロンの２光子顕微鏡による活動記録データ(Funamizu et al. 2016)に対して、Demixed PCAなどの新たな解析手法を適用することにより、刺激の有無、ゴールへの距離などの情報が、従来のデコーディング手法ではなく、教師なし学習の手法で抽出できることを明らかにした。
3) 全脳レベルのモジュール自己組織化：大脳皮質の神経回路において、ボトムアップの感覚情報とトップダウンの予測情報が統合されるメカニズムを明らかにするため、レバーの微小な動きを識別し操作する行動課題を実行中のマウス大脳皮質の異なる層の神経活動をプリズム内視鏡を用いて同時計測する実験を進め、多数のニューロンの感覚と予測誤差情報の表現の解析を行った。セロトニンニューロンの神経端末の光遺伝学刺激にり、報酬待機行動の促進には前頭眼窩野(OFC)と内側前頭皮質(mPFC)が関わることろ明らかにし、それらの特性を再現するベイズ意思決定モデルを提案し、論文投稿を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
新たな実験や論文投稿が進んだのに加え、確率モデルの安定で効率的な学習アルゴリズムTotal Propagation法の特許出願をもとに、そのオープンソースライブラリとしての公開によるビジネス応用に向けた展開が、OIST Proof Of Conceptプログラムに採択されスタートした。
|
| Strategy for Future Research Activity |
1) 多階層表現学習の数理基盤：提案した新たな学習アルゴリズムが安定に効率よく動作することを、ロボット制御などの課題で実証する。
2) 多階層表現学習の神経機構：大脳皮質と大脳基底核の多階層情報表現に関する知見を論文として発表する。
3) 全脳レベルのモジュール自己組織化：大脳皮質でのボトムアップの感覚情報とトップダウンの予測情報が統合されるメカニズムについての光学神経活動計測実験をさらに進める。
|
