Theoretical and Empirical Study for Modulation and Integration Function of Context Information in Memory Networks
| Project/Area Number |
20H04246
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Chubu University |
|---|
Principal Investigator |
塚田 啓道 中部大学, AI数理データサイエンスセンター, 准教授 (40794087)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
津田 一郎 中部大学, 創発学術院, 教授 (10207384)
杉崎 えり子 玉川大学, 脳科学研究所, 研究員 (20714059)
奈良 重俊 岡山大学, 自然科学研究科, 特命教授 (60231495)
塚田 稔 玉川大学, 脳科学研究所, 客員教授 (80074392)
山口 裕 福岡工業大学, 情報工学部, 助教 (80507236)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2021)
|
| Budget Amount *help |
¥17,810,000 (Direct Cost: ¥13,700,000、Indirect Cost: ¥4,110,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2021: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2020: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
|
|---|
| Keywords | 時空間学習則 / 文脈情報処理 / 実験と理論の融合 / フラクタル / ニューラルネットワーク / 学習と記憶 / 海馬 / リカレントネットワーク / 脳型記憶学習情報処理 |
|---|
| Outline of Research at the Start |
我々人間の脳は時々刻々と変化する外界の大容量同時並列のダイナミックな情報を、限られた記憶ネットワーク空間に効率的に情報圧縮し学習・記憶する情報操作機能を持っている。これらの情報処理は、“注意”や“意識”に代表されるトップダウン情報を巧みに利用することで実現可能となっている。
本研究では、トップダウン情報処理がボトムアップで形成された文脈情報をどのように修飾・統合するかを理論と実験の融合研究により明らかにする。その知見に基づいて脳の記憶情報処理の優れた特徴を人工神経回路網に組み込み、応用として人工知能への脳的高次機能搭載を視野に入れた次世代の脳型記憶学習情報処理システムの基盤構築を目指す。
|
| Outline of Annual Research Achievements |
本研究の目的はトップダウン的な情報処理である“注意”や“意識”がどのようにボトムアップ的に形成された文脈情報を修飾・統合するかを理論と実験によって明らかにすることである。本年度はその基盤となる文脈情報の学習原理を理論と実験の両側面から以下のような取り組みを行い成果を得た。
理論研究ではHebb学習則（HEB）と時空間学習則（STLR）の両学習則を1層の神経回路網上で相互作用させることにより、時間的に類似な文脈情報を分離し、安定な記憶として統合できることがわかってきた。その根本にある情報処理原理を明らかにするためにHEBとSTLRの時空間パターンの分離能力の比較を行った。文脈情報の系列入力に対してHEBは単峰のシナプス荷重分布を形成する一方で、STLRは多峰の分布になることが明らかになった。このシナプス荷重分布の性質が文脈学習の順序学習に重要である可能性が示唆された。また、STLRにおけるシナプス荷重の閾値を変化させることで、文脈学習のパターン分離能力が変化することが理論的検討から明らかになった。
実験研究では海馬CA3においてSTLRの比較対象となるHEBの一つであるスパイクタイミング依存可塑性（STDP）の応答評価を行なった。海馬歯状回からの入力線維とCA3錐体細胞に刺激を入力し、パッチクランプ法を用いてCA3錐体細胞の応答の評価を行い、STDPが起こることを確認した。また、アセチルコリンを作用させた場合のSTDP特性を調べた結果、アセチルコリンによって錐体細胞のタイプに依存した神経ネットワークの選択的な学習が起こる可能性が示唆された。
文脈学習のパターン分離能力に関連するSTLRのシナプス荷重の閾値は、生理学的にはアセチルコリンやカルシウム濃度変化と密接に関係しているため、現在理論と実験の双方からその基盤となる文脈情報処理原理の検討を行なっている。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初予定していたより検討が進み、脳の学習と記憶の基盤となる文脈情報処理原理を見出した。
1. 時空間学習則（STLR）のシナプス荷重の閾値が文脈情報のパターン分離能力と関係していることが明らかになった。
2. 理論検討に基づくシミュレーションによって、文脈情報のパターン分離能力にはシナプス荷重分布の多峰性が重要であることがわかった。
3. 海馬CA3領域ではアセチルコリンを作用させた場合にSTDPの増強が起こるものと起こらないものと２種類のタイプの錐体細胞があることが明らかになった。これはアセチルコリンによって錐体細胞のタイプに依存した神経ネットワークの選択的な学習が起こる可能性を示唆している。
4. 時空間学習則（STLR）のシナプス荷重の閾値は生理学的にはアセチルコリンやカルシウム濃度と関連することが明らかになった。
|
| Strategy for Future Research Activity |
理論研究のボトムアップアプローチでは時空間学習則（STLR）を組み込んだ文脈情報学習の１層ニューラルネットのシミュレーションモデルの評価に基づいて、マルコフ決定過程による理論モデルの構築を行う。一方、トップダウンアプローチではレザバーネットワークの事前学習として時空間学習則を用いて有用性を評価し、生物学的学習則の役割について検討する。また、理論グループ全体としては、STLRとHEBを相互作用させた神経回路モデルの評価に基づいて、自己相似性を用いた文脈情報処理についてその基盤となる情報圧縮メカニズムを検討する。
実験研究では昨年度検討したCA3錐体細胞のスパイクタイミング依存可塑性（STDP）に関する応答評価と類似したプロトゴルを用いて、時空間文脈系列刺激入力に対するCA3錐体細胞の応答評価（STLR）を行う。さらにアセチルコリンを作用させて、STDPとSTLRの両学習則に対するトップダウン修飾の影響を比較する。
昨年度の理論グループによって示唆された空間学習則のシナプス荷重の閾値と学習の関係について、海馬CA3におけるアセチルコリンの学習への影響の実験結果に基づいて関連性を検討する。
本年度もオンライン（可能であれば対面）による研究会を継続的に開催し、理論と実験の情報共有および研究融合を行っていく。
|
Report
(1 results)
Research Products
(10 results)
