Development of quantum-inspired algorithms for decoding high-dimensional neural data

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K16465
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 51010:Basic brain sciences-related
• Research Institution: National Institutes for Quantum Science and Technology
• Principal Investigator: Majima Kei 国立研究開発法人量子科学技術研究開発機構, 量子生命科学研究所, 研究員 (80735770)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 脳情報デコーディング / 機械学習 / 量子アルゴリズム / 量子インスパイアドアルゴリズム / 量子計算

Outline of Final Research Achievements

Machine learning algorithms, specifically designed for neural decoding, have enabled the extraction of information encoded in the brain. However, their application to high-dimensional data is constrained by large computational complexity. In this research project, we addressed this issue by accelerating machine learning algorithms for neural decoding using computational techniques derived from the field of quantum computation (so called “quantum-inspired algorithms”). Through this acceleration, we achieved the capability to decode brain information even from large-scale datasets, with dimensionality and sample size increased by 10 or 100 times compared to conventional methods, while avoiding a substantial increase in computation time.

Free Research Field

脳情報デコーディング

Academic Significance and Societal Importance of the Research Achievements

本計画で開発された機械学習アルゴリズムにより、高速に脳情報の解読を行うことができる。このため、リアルタイム性の要求される脳信号を利用した機器の操作など、いわゆるブレインマシンインターフェースを実装する際に役立つと期待される。
また、大幅な高速化が達成されるため、従来では計算時間の増加により実質的に不可能であった大規模な脳データからの脳情報解読が可能となる。近年、計測技術の発展により、カルシウムイメージングやfMRIにおいて、従来よりも高解像度に神経活動を記録することが可能になっている。巨大化するデータを活かした高精度な脳データ解析が本計画で開発したアルゴリズムによって可能となる。