| 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 (2022-2023)
National Institute of Information and Communications Technology (2020) |
|---|
Principal Investigator |
Nakai Tomoya 帝京大学, 先端総合研究機構, 客員研究員 (60781250)
|
|---|
| Project Period (FY) |
2022-01-04 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| 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 | fMRI / 数学 / 人工ニューラルネット / 符号化モデル / 頭頂間溝 / MRI / 機械学習 / ニューラルネット / 人工知能 |
|---|
| 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 Final Research Achievements |
In this project, we revealed the cognitive neural basis of mathematical ability from multiple perspectives. First, we showed that brain representations of format-independent mathematical operations can be obtained using categorical operator model, and brain activity during mathematical tasks was predicged using an artificial neural network model. Subsequently, through international collaboration with French researchers, we uncovered how brain representations related to number processing change with education based on the data from 5- and 8-year-old children. Furthermore, we applied theoretical linguistics to explain syntactic structures of mathematical expressions. These results have been published in several international journals, including PLOS Biology.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、近年発展が著しい人工知能技術と脳機能イメージング技術を融合させて数学能力に関するモデルを構築した世界初の成果である。また、数学は先端的な人工知能技術を理解するためには必要不可欠であり、数学能力の個人差の脳神経機序を理解することは、効率的な数学学習や計算障害の鑑別に役立つ可能性がある。特に本研究で明らかになった5歳児および8歳児の数処理の脳機能は、数学教育の初期段階において脳機能の変化を定量的に調べることができることを示している。このような発達脳機能データを人工知能技術と組み合わせることにより、将来的により精度の高いモデル構築につながることが期待される。
|
