| 研究課題/領域番号 |
17K00338
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
ソフトコンピューティング
|
|---|
| 研究機関 | 京都大学 (2018-2019)
大阪大学 (2017) |
|---|
研究代表者 |
寺前 順之介 京都大学, 情報学研究科, 准教授 (50384722)
|
|---|
| 研究分担者 |
松尾 直毅 大阪大学, 医学系研究科, 准教授 (10508956)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2017年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 脳 / 自発活動 / 海馬 / 機械学習 / 人工知能 / 確率 / シナプス可塑性 / 確率的情報処理 / 場所細胞 / 記憶痕跡細胞 / 学習 / 記憶 / 局所回路 / シナプス結合 / ゆらぎ |
|---|
| 研究成果の概要 |
海馬CA1領域の錐体細胞に関する覚醒行動下での自発活動データの解析を進めることで、記憶獲得前後および記憶消去前後を含む多様な文脈での神経細胞の活動の特徴を明らかにすることに成功した。またニューロンおよびシナプスの確率的な活動によって駆動され、生物学的妥当性の非常に高いと推定される新たなニューラルネットワークの構成法とその学習方法を発見することにも成功した。この学習方法によって獲得されたネットワーク構造や神経活動の特徴が、実際の神経系で観測された実験的知見の多くを整合的に説明することや、獲得された神経情報符号化が、可能な神経情報表現のうち最も効率性の高いものであること等も明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
脳の神経細胞及びシナプス結合が示す持続的な確率的挙動に着目することで、ニューラルネットワークに対する脳型の新たな学習アルゴリズムの開発に成功した。このアルゴリズムは既存の学習アルゴリズムの様々な問題点を解決できることが示されており、さらに生物学的妥当性も極めて高いと考えられるため、脳型の人工知能チップや、ニューロモルフィックデバイスの開発などに有用であると期待されるほか、脳の基礎的な動作原理の解明として生命科学にも大きな波及効果を持つと期待される。
|
