| Research Abstract |
脳内での揺らぎのある神経細胞の活動に, 外界の情報がどの程度埋め込まれているかの指標が相互情報量である. 相互情報量は, 情報理論でいう復号が最適に行われたときに, 引き出せる情報量をあらわす. しかしながら脳内でつねに最適な復号が行われているとは限らない. そこで我々は, 最適ではない復号が行われたときの情報量を用いて, 脳内における情報の復号化がどれだけ簡略化され得るのかを調べる一般的な枠組みを提案した. この枠組みでは, まず最大エントロピー法によって, K次より上の発火相関を無視した復号化のモデルを階層的に構築する. 次に, 構築した復号化のモデルによって得られる相互情報量を計算し, 復号の簡単化によって, どれだけの情報が失われてしまうかを調べる. この枠組みによって, 十分な情報を得るためには何次までの発火相関を考慮する必要があるのかを定量的に評価することができ, その結果としてどの程度の最適な復号を行うかに関する知見を得ることができる.
スパイクの発射確率は通常同一実験条件の加算平均で求めていた. しかしながら, 動物の実際の認知過程では, 当然のことながら加算平均からスパイクの発射確率を求めているわけではない, 動物はスパイクの発射確率をオンラインで計算しているのである. また最近のBrain Machine Interface技術の進展から, スパイクの発射確率λ(t)をオンラインで計算する手法が渇望されていた. 我々は, 本領域のメインテーマである情報統計力学的手法の一つである転送行列法をこの問題に適用し, これまで近似的に求められていた解を厳密に求める手法を提案した。
|
