| Budget Amount *help |
¥120,640,000 (Direct Cost: ¥92,800,000、Indirect Cost: ¥27,840,000)
Fiscal Year 2021: ¥27,040,000 (Direct Cost: ¥20,800,000、Indirect Cost: ¥6,240,000)
Fiscal Year 2020: ¥27,040,000 (Direct Cost: ¥20,800,000、Indirect Cost: ¥6,240,000)
Fiscal Year 2019: ¥27,040,000 (Direct Cost: ¥20,800,000、Indirect Cost: ¥6,240,000)
Fiscal Year 2018: ¥26,000,000 (Direct Cost: ¥20,000,000、Indirect Cost: ¥6,000,000)
Fiscal Year 2017: ¥13,520,000 (Direct Cost: ¥10,400,000、Indirect Cost: ¥3,120,000)
|
|---|
| Outline of Annual Research Achievements |
(A)神経画像処理の高度化 マウスのミクロコネクトミクスのため、電子顕微鏡画像処理のパイプライン化を、川口班員との連携の下で進め、パイプラインをソフトウェアとして公開するとともに、その成果を学術論文として発表した(Urakubo, et al., 2019)。また、神経の局所回路同定のため、光学顕微鏡からの画像リストア法の開発を進めた。従来の深層学習器によるものよりも性能が高いことが分かったので、その成果を学術論文として発表した(Lee et al., 2019: Ishii, et al., 2019)。
(B)エンコーダ・デコーダモデルの開発 動物の条件付け学習に関わる長時間の、中枢神経活動、行動の同時記録データに対し、中枢での動的内部表現を求めることのできるデコーディング手法の開発を、松崎班員との連携の下で実施した。また、脳情報動態解析の応用として、ヒトが不確実性を含む意思決定課題を遂行している際の脳機能イメージング（fMRI計測）を行った。当初の解析で興味深い結果が得られたものの、被験者数が足りないことが分かったので、計画変更を行った上で実験を延長実施した。追加された被験者データも含めて解析を行った結果、ヒトの不確実環境の予測およびその確信度が、fMRIレベルの解像度で解読できることを見出した。
(C)多階層・多領野モデリングおよびシミュレーション マウスの大脳基底核、特に、直接路と間接路の学習における機能の相違性に注目した計算モデルを開発した。このモデルを報酬と罰とが共存する環境における学習課題に適用したところ、従来の強化学習モデルよりも効率が良い学習が実現されることが分かった。
|
