2020 Fiscal Year Research-status Report
Efficient algorithm for sequential learning utilizing spontaneous internal activity
| Project/Area Number |
20K11987
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
寺前 順之介 京都大学, 情報学研究科, 准教授 (50384722)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松尾 直毅 九州大学, 理学研究院, 教授 (10508956)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 脳 / 学習 / 海馬 / 記憶 / シナプス / 確率 / 揺らぎ |
|---|
| Outline of Annual Research Achievements |
記憶獲得時および記憶消去時の海馬CA2から記憶された神経活動データに関して、機械学習の手法を応用した解析手法を開発することで、記憶痕跡細胞とされる細胞群が示す特徴的な活動を解明することに成功した。具体的には、薬理学的に記憶痕跡細胞の可能性があると標識された細胞群と標識されなかった細胞群について、機械学習で利用される交差検証（cross validation）を応用することで互いの標識を予測させ、その精度によって標識の妥当性を数値化した。この妥当性に基づき、真に記憶痕跡細胞であると考えられる細胞群を抽出する手法を開発することで細胞群を精製し、その平均挙動を解析することで、記憶痕跡細胞と考えられる細胞集団が動物個体の新規環境導入時に特徴的な活動を示すことを発見した。
また確率的学習モデルの１つであるボルツマンマシンについて、脳内で観測されるシナプスの確率的挙動を取り入れる新たな学習モデルを開発し、その基礎的性質の解明を行い、確率的シナプスを利用した学習が可能なことを発見した。既存のボルツマンマシンでは、ネットワークを構成する素子であるニューロンが確率変数として扱われる一方、素子間の結合強度（結合重み）は決定論的な変数としてモデル化されており、その決定論的変数を学習によって最適化する必要がある。一方、我々の脳では、ニューロン間の結合を担うシナプスは確率的に振る舞うことが実験的に報告されており、これらニューロンとシナプスの両方の確率性が効率的な学習の実現に重要な可能性が高い。これらの確率性を取り入れたボルツマンマシンを構成することで、学習時のネットワークの確率ダイナミクスの基礎的性質を解明することに成功した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
海馬記憶痕跡細胞の特性解明に成功したため、この成果を利用することで、記憶獲得という学習過程において、実際の脳内で実現しているダイナミクスを解明し、時間情報の学習過程の基礎となる数理モデルの確立につながることが期待される。またシナプスの確率性を取り入れたボルツマンマシンが実際に学習可能であることを発見したため、このモデル、あるいは既に研究代表者が構築した確率的シナプスを用いるネットワークモデルを拡張することで、シナプスやニューロンのゆらぎを有効に利用する時系列学習システムの構築につながることが期待できるため。
|
| Strategy for Future Research Activity |
今年度得られたデータ解析結果および、既に研究代表者らによって得られた確率的学習モデルやボルツマンマシン等を拡張することに加え、特に脳内での時系列学習時の力学系としての特性に関する実験データ、及び数値計算結果に着目して研究をすすめる。近年、時系列学習時や運動時系列生成時などにおいては、ニューラルネットワーク内に力学系としての固定点を結ぶフレームワークのような構造が構成されている可能性が示唆されており、本研究で取得する実験データや確率的学習モデルと、このような力学系としての特性との関係を解明することで、確率性を利用する効率的な脳型学習アルゴリズム開発の実現を目指す計画である。
|
| Causes of Carryover |
海馬記憶痕跡細胞の特性を解明するためのデータ解析手法の開発と、シナプスの確率性を含むボルツマンマシンの基礎特性解明が予想以上に順調に進んだため、今年度は記憶痕跡細胞の特性解明とボルツマンマシンの基礎特性解明に特に注力したため次年度使用額が生じた。
次年度使用額を次年度以降の助成金と合わせることで、これらの手法やモデルを大規模に拡張するための計算資源の購入に利用する計画である。
|
Research Products
(9 results)
