Quantitative Modeling for the Neural Basis of Mathematical Ability
| Project/Area Number |
20K07718
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 51010:Basic brain sciences-related
|
|---|
| Research Institution | Teikyo University (2022)
National Institute of Information and Communications Technology (2020) |
|---|
Principal Investigator |
中井 智也 帝京大学, 先端総合研究機構, 研究員 (60781250)
|
|---|
| Project Period (FY) |
2022-01-04 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 数学 / 人工ニューラルネット / fMRI / 頭頂間溝 / MRI / 機械学習 / ニューラルネット / 人工知能 / 符号化モデル |
|---|
| Outline of Research at the Start |
本研究では、数学能力の神経基盤を、以下の段階を経て明らかにする:
（1）数学能力の脳機能モデルとしてのニューラルネットワークモデルを構築する。
（2）実験参加者が数学課題実行中のMRI計測を行う。課題内容からニューラルネットワークにより抽出した特徴量と脳活動の多変量線形回帰により符号化モデルを構築し、各特徴量の脳情報表現を検討する。
（3）脳活動の予測精度を元に、複数のニューラルネットワークモデルのうちヒトの脳機能に最 も近似したモデルを調査する。
（4）構築した符号化モデルの一部の構造を崩すことにより、仮想的な脳機能への影響をシミュレートする。
|
| Outline of Annual Research Achievements |
本研究の目的は、ヒトが数学を生み出し、計算を実施する際の脳情報処理に関する定量的モデルを構築することである。
その目的のため、8名の被験者を対象に、自然言語および記号で記述された数学課題を行わせ、その際の脳活動を機能的磁気共鳴画像法（fMRI）により撮像した。実験刺激から数学演算を離散的なカテゴリーに分けた演算子特徴量と、人工ニューラルネットワーク（ANN）モデルにより連続的な特徴量を抽出したANN特徴量を抽出し、それらを入力として脳活動を予測する符号化モデルをRidge回帰により構築した。また、モデルの重み行列に対して主成分分析等の可視化手法を適用することで、異なるデータや特徴量による脳表現の関連を調べた。
結果として、自然言語と記号双方のデータで構築したモデルが脳の頭頂間溝において類似した表現を持つことを示し、European Journal of Neuroscience誌に発表した（Nakai & Nishimoto, EJN 2023）。また、研究代表者がNakai et al. (Brain and Behavior, 2021)において導入した手法を本研究に適用することで、ANN特徴量により構築した符号化モデルから、離散的な演算子モデルに類似したパターンを再構成できることを示した。その結果をNeuroImage誌に発表した（Nakai & Nishimoto, NeuroImage 2023）。
さらに研究代表者は、フランスのリヨン神経科学研究センターとの共同研究を行い、小学校低学年児童の数学学習による頭頂間溝周辺の数に対する脳活動パターンの変化を解析し、その内容をPLOS Biology誌において発表した（Nakai et al., PLOS Biology 2023）。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
本年度は当初の予定通り、成人被験者を対象として数学課題実施中の脳活動をfMRIにより測定しただけでなく、さらに人工ニューラルネットワークモデルから抽出した特徴量から脳活動を予測する符号化モデルを構築した。当初は最終年度に論文として発表する予定であったが、得られた結果をNeuroImage誌に投稿し、発表することができた（Nakai & Nishimoto, NeuroImage 2023）。また、記号と自然言語による数式表現の脳活動の類似性があることを示し、その結果をEuropean Journal of Neuroscience誌に発表した（Nakai & Nishimoto, EJN 2023）。これらの成果は当初の研究計画に沿ったものである。
それに加え、小学校低学年児童の数学の学習・発達による脳活動パターンの変化をfMRIデータで分析した論文を執筆し、PLOS Biology誌に発表した（Nakai et al., PLOS Biology 2023）。当該研究は当初成人のみを予定していた研究計画をさらに他の年齢層に拡大し、発達という観点を取り入れたものであり、本研究課題の将来的な教育分野への応用を示唆するものである。
また本年度は、より理論的な観点から、言語学の知見を取り入れることで数式の統語構造を分析する論文を執筆した。具体的には、理論言語学で提案されてきたApplicativeにより数式演算が分析可能であることを示した。この成果は、現在論文として投稿中である(Matsumoto & Nakai, PsyArXiv 2022)。
以上により、本研究は当初の計画以上に進展しているといえる。
|
| Strategy for Future Research Activity |
今後は、本研究で構築した数学の脳活動に関する復号化（デコーディング）モデルの一部を破壊することによる、仮想的な脳機能ダメージ（可塑的変化）に関するシミュレーションを行う予定である。具体的には、まず脳活動データから数学演算を読み出す復号化モデルを構築し、さらに先行研究で数学への寄与が報告される頭頂間溝周辺領域を構築モデルから抜き去ることにより、当該領域がデコーディング精度に与える影響を調査する。
また、これまで得られた数学の脳活動モデル構築技術を拡張し、他の認知機能（言語や音楽）と数学の脳における関連性を調べていくつもりである。先行研究では、数学課題と言語課題に共通して左下前頭回の脳活動が生じることが報告されている（Nakai & Sakai, PLOS ONE 2014; Nakai & Okanoya, Cortex 2020）。さらに、類似した構造を持った数学と言語刺激が連続して呈示された場合、脳において相互作用（Repetition suppression効果）が生じることが報告されている（Nakai & Okanoya, Scientific Reports 2018）。これらの研究は、言語と数学に共通する記号処理システムが関わっていることを示唆する理論的研究と一貫性がある（Matsumoto & Nakai, PsyArXiv 2022）。そこで、言語MRIデータで構築したモデルを数学MRIデータに適用、また数学MRIデータで構築したモデルを言語MRIデータに適用することで、２つの異なる認知領域の脳における関連を定量的に明らかにすることを目指す。
|
Report
(1 results)
Research Products
(9 results)
