2022 Fiscal Year Annual Research Report
Basic Theory on Formation of Neural Networks during Critical Period Based on Quasi-Attractors under Attention
| Project Area | Inducing lifelong plasticity (iPlasticity) by brain rejuvenation: elucidation and manipulation of critical period mechanisms |
|---|
| Project/Area Number |
20H05921
|
|---|
| Research Institution | Kogakuin University |
|---|
Principal Investigator |
金丸 隆志 工学院大学, 先進工学部, 教授 (10334468)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
合原 一幸 東京大学, 特別教授室, 特別教授 (40167218)
信川 創 千葉工業大学, 情報科学部, 教授 (70724558)
スヴィリドヴァ ニーナ 東京理科大学, 工学部情報工学科, 助教 (70782829)
|
|---|
| Project Period (FY) |
2020-11-19 – 2025-03-31
|
| Keywords | 臨界期 / E-I balance / 神経回路モデル / 擬アトラクタ― / リザバー計算 |
|---|
| Outline of Annual Research Achievements |
本研究は、「神経回路網再編成の可能性が高い限られた時期」である「臨界期」の開始・終了・再開のメカニズムを計算論的神経科学の観点から明らかにすることを目指している。これまで、皮質第2/3層の興奮性細胞集団と第4層の抑制性細胞集団からなる数理モデルを構築し、その解析を行ってきた。臨界期の開始には細胞の興奮性集団と抑制性集団の活動のバランス（E-I balance）の成立が関わっていると言われているが、その状況下でリアプノフスペクトラムによる非線形解析を行った結果、ダイナミクスが正のリアプノフ数が多数存在する高次元なカオスであることが明らかになった。このダイナミクスは我々の研究テーマである「擬アトラクタ」の性質をもっている。
以上の準備のもと、このネットワークに「リザバー計算」の概念を導入し、E-I balance下のダイナミクスの計算能力を調べた。ネットワークにランダムに変化する二値信号を加え、その影響がどの程度の期間ネットワーク内に残留するかを調べる、いわゆる「短期記憶タスク」の実験を行った。ネットワークの外部に一つだけニューロンモデルを配置し、そのニューロンへのシナプス結合のみを学習する方式である。その結果、E-I balanceが成立し、システムが「カオスの縁」に存在する状況でネットワークの記憶容量が最大化することが明らかになった。これは、「臨界期」における神経細胞集団の情報処理能力を調べるための第一歩と言える。
また、令和４年度にはリザバー計算や非線形時系列解析について広い知見を持つ信川博士とスヴィリドヴァ博士を研究分担者として迎えた。それにより、ネットワークの情報処理能力の解析の裾野を広げることや、ネットワークへの「注意」の概念の導入するための研究を進めている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「臨界期」を理解するための基礎となる神経ネットワークモデルの構築とそのダイナミクスの特徴づけが完了していること、さらにリザバー計算の考え方により情報処理能力の高さを示す事例を提示できていることがその評価の理由である。
E-I balance下ではカオスが生じやすいことは1996年のVreeswijkとSompolinskyらによる先駆的な研究でも指摘されている。我々の研究は彼らのモデルとは設定などが大きく異なるが、そこで見られるダイナミクスにはカオスが生じやすいなどいくつかの共通点がある。そのため、我々の計算論的神経科学的研究を彼らの非線形動力学的研究と結びつけ、より広い範囲へと研究範囲を拡大できる点にも本研究の意義はある。
また、信川博士とスヴィリドヴァ博士を研究分担者として迎えたことにより、E-I balance下におけるネットワークのガンマ振動や、注意の問題など、これまでのモデルでは取り扱えない現象を対象とできるようになった。この点も評価の理由として挙げられる。
|
| Strategy for Future Research Activity |
臨界期下におけるネットワークダイナミクスの情報処理能力については、「リザバー計算」の考え方に基づいた学習手法を用いた研究を継続する。昨年度までは、ネットワークの外部に一つだけニューロンモデルを配置し、そのニューロンへのシナプス結合のみを学習する方式を用いた。それに対し、ネットワーク内部のニューロンの学習を導入することで、臨界期における情報処理能力の高さを議論する。
一方、ここまで述べてきたモデルは数理的に抽象的なモデルであり、実験データと定量的な比較ができないという問題がある。例えば、神経活動の実験データでみられるガンマ帯域（40Hz前後）の自発活動との比較などである。そこで、実験データとの定量的な比較を目的に、ガンマ帯域の神経活動を生成できる数理モデルの解析を上記のモデルとは並行して進める。また、臨界期と「注意」との関わりに関しては、瞳孔径の実験データに対して非線形時系列解析を実施し、決定論性と複雑性に関する解析を行っている。その結果、注意欠陥多動性障害により瞳孔径の複雑性が低下すること、すなわち注意機能の状態が神経活動ダイナミクスに反映されることを明らかにしてきた。この研究を継続し、注意が臨界期ダイナミクスに与える影響について調べていく。
|
