2022 Fiscal Year Annual Research Report
Theoretical research on spatiotemporal information processing in the brain
| Project/Area Number |
19K20365
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
寺田 裕 東京大学, 大学院理学系研究科(理学部), 客員共同研究員 (40815338)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | ニューラルネットワーク / 結合推定 / 平均場理論 / リカレントニューラルネットワーク / 位相振動子系 / 線形応答理論 / 神経ゆらぎ / ベイズ計算 |
|---|
| Outline of Annual Research Achievements |
本研究では，脳神経系における時空間情報処理メカニズムを数理的に調べるために，数理モデルの解析を出発点にした順問題的アプローチと実験データから数理モデルのパラメータを推定する逆問題的アプローチの双方から研究を行った．順問題的解析においては，リズム的活動に着目した位相振動子モデルに基づく解析と発火率モデルのリカレントニューラルネットワークに基づく解析を行なった．まず，位相振動子モデルにおいて，一般的な相互作用に対する線形応答理論の構築を行なった．この理論結果は非常に一般的な状況設定に対応しているので，この結果に基づき逆問題を定式化することで，マクロな線形応答から結合系の内部パラメータの推定を行う手法を開発した．数値的検証によって，開発した手法が生物学的な系に適用できる可能性が高いことを示した．また，リカレントニューラルネットワークモデルを用いた研究においては，神経ダイナミクスの決定論的な側面が確率的な情報処理において大きな役割を果たすことを示した．この結果は学習後のシナプス結合によって創出するカオス的ダイナミクスによって神経回路網が生成モデルとしての役割を果たしうることを示唆している．また，先行研究を発展させることで一般的な枠組みにおいてスパイク列から背後にあるニューロン間の結合を推定する手法を発展させた．最後に，リカレントニューラルネットワークを理論解析することによって多変数の符号化を安定的に行えるメカニズムを理論的に提案した．
|
