2017 Fiscal Year Research-status Report
| Project/Area Number |
15K00418
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
岡本 洋 国立研究開発法人理化学研究所, 脳科学総合研究センター, 客員研究員 (00374067)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | コネクトーム / 全脳ネットワーク / 全脳アーキテクチャ / コミュニティ / 階層クラスタリング / 二部グラフ / ノンパラメトリッククラスタリング |
|---|
| Outline of Annual Research Achievements |
＜背景＞ ネットワークの中のノードが密につながったかたまり部分のことを「コミュニティ」と呼ぶ。本研究課題を開始するにあたって、次の仮説を立てた：全脳ネットワークの個々のコミュニティには全脳アーキテクチャ（全脳が情報を処理する仕組み）の機能モジュールが対応する。この仮説は次を含意する：全脳アーキテクチャを解明するためには、全脳ネットワークのコミュニティ構造を明らかにすることが本質的である。平成27-28年度には、ネットワークから個々のコミュニティを検出し、それらの空間的・時間的関係を抽出する方法を構築した。この方法を古典的な全脳ネットワークである、線虫神経細胞ネットワークおよびサル皮質ネットワーク（CoCoMac）に適用し、いずれにおいてもコミュニティが非木型の階層構造を持つことを見出した。
＜平成29年度目標＞ より最新の高解像全脳ネットワーク・データを入手する。このデータについて、上記方法による初回の分析を実施する。
＜平成29年度実績＞ Allen Mouse Connectivity Atlasプロジェクトが公開・提供する高解像データを入手する体制を整えた。領域レベルの全脳ネットワークを上記方法で分析し、コミュニティが非木型階層構造を持つことを確認した。
人工知能学会誌の特集「脳科学とAIのフロンティア」に解説記事「全脳ネットワーク分析：コネクトームのリバースエンジニアリング」を寄稿した。本研究課題が提唱する全脳ネットワーク分析を広く訴えることができたと考える。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
（1）本研究は、最新の実験技術で得られた高解像の全脳ネットワーク・データを用いて分析を行うことを、重要な目標の一つとして掲げていた。ドワンゴ人工知能研究所の協力を得て、Allen Mouse Brain Connectivity Atlas (http://connectivity.brain-map.org/) のデータにアクセスする体制を整えた。平成29年度には、領域レベルの全脳ネットワーク（ノード数213）のデータを分析が可能な形式で入手した。そのコミュニティ階層構造が線虫神経細胞ネットワークおよびサル皮質ネットワークの場合と同様、非木型であることを確認した。
（2）コミュニティ検出方法の改良：コミュニティ検出の解像度にかかわるパラメタ（ディリクレ事前分布の精度パラメタ）を、コミュニティの大きさに比例するように設定した。その結果、既存の多くのコミュニティ検出方法を悩ませる解像度限界問題（極端に大きさの違う二つのコミュニティが併存するとき、これらを同時に検出できない）、および、誤検出問題（コミュニティ構造が存在しないはずネットワークから偽コミュニティを検出してしまう）を解決できる見通しを得た。
（3）当初予期していなかった成果：ベクトル・パタンのクラスタリングは、機械学習における最重要課題の一つである。クラスタリングにおける最大の問題は、クラスタ数の決定である。多くのクラスタリング・アルゴリズムでは、クラスタ数を事前に手で決める必要がある。クラスタ数の自動決定を上記（2）の方法により解決できる見込みを得た。
|
| Strategy for Future Research Activity |
（1）Allen Mouse Brain Connectivity Atlasデータを用いた分析をさらに進める。近く、ボクセルレベルの全脳ネットワーク（ノード数は数十万）のデータが入手できる見込みである。それにより、これまでとは質的に違う、詳細な分析が可能になる。脳が深層学習を行っているかどうかを全脳ネットワーク分析の視点から探る。そのために、全脳ネットワークが深層学習の多層ニューラルネットワーク・アーキテクチャを備えているかどうかを、コミュニティ構造分析を用いて調べる。
（2）コミュニティ検出評価のための標準合成データLancicinetti-Fortunato-Radicchi ベンチマーク・ネットワークを用いて、解像度限界問題および誤検出問題の解決を確認する。
（3）ベクトル・パタンの集合を二部グラフで表現する。これに上記の改良されたコミュニティ検出方法を適用することにより、ノンパラメトリックに（すなわち、クラスタにガウス分布などのモデルを仮定せずに）クラスタリングを実行でき、かつ、クラスタ数を自動決定できることを確認する。このクラスタリング計算がデータスケーラブルに実行できることを確認する。
|
| Causes of Carryover |
（理由）平成29年度の研究活動では、理論的解析および中規模のベンチマークデータを用いた数値実験が主であった。以前から所有していた計算機リソースを利用してこれらを実施した。当初、高解像全脳ネットワーク・データのダウンロード・加工を外部に委託する予定であった。しかしながら、ドワンゴ人工知能研究所からの協力により、分析可能な形式でのデータを直接入手できたため、外部委託等のための予算使用がなくなった。
（使用計画）高解像全脳ネットワーク・データのダウンロード・加工を新規に行う。これを外部に委託するために助成金を使用する。さらに、提案アルゴリズムをソフトウェアとして実装して外部に公開する。公開用ソフトウェアの開発を外部に委託するために助成金を使用する。
|
-
[Journal Article] Predicting Relations Between RDF Entities by Deep Neural Network2017
Author(s)
Tsuyoshi, M., Onuki, Y., Nukui,S., Inagi, S., Qiu, Xu-le, Watanabe, M. & Okamoto, H.
-
Journal Title
Lecture Notes in Computer Science
Volume: 10577
Pages: 343-354
Peer Reviewed / Int'l Joint Research
-
-
-
[Presentation] Predicting relations of embedded RDF entities by Deep Neural Network2017
Author(s)
Onuki, Y., Tsuyoshi, M., Nukui, S., Inagi, S., Qiu, Xu-le, Watanabe, M. & Okamoto, H.
Organizer
The 16th International Semantic Web Conference (ISWC 2017), Poster
Int'l Joint Research
-
-
-
