| 研究課題/領域番号 |
20H04246
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 中部大学 |
|---|
研究代表者 |
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)
|
|---|
| 研究分担者 |
津田 一郎 中部大学, 創発学術院, 教授 (10207384)
塚田 稔 玉川大学, 脳科学研究所, 客員教授 (80074392)
奈良 重俊 岡山大学, 環境生命自然科学研究科, 特命教授 (60231495)
山口 裕 福岡工業大学, 情報工学部, 助教 (80507236)
杉崎 えり子 玉川大学, 脳科学研究所, 研究員 (20714059)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円)
2023年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2022年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2021年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2020年度: 6,630千円 (直接経費: 5,100千円、間接経費: 1,530千円)
|
|---|
| キーワード | 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 / 文脈学習 / トップダウン / 海馬 / ニューラルネットワーク / アセチルコリン / CA3 / 記憶と学習 / LTP/LTD / 学習と記憶 / リカレントネットワーク / 脳型記憶学習情報処理 |
|---|
| 研究開始時の研究の概要 |
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。
|
| 研究成果の概要 |
文脈情報を学習・記憶する脳の情報処理メカニズムの解明を目的として理論と実験の両側面から研究を行った．理論研究では，Hebb学習則との比較を通じて時空間学習則（STLR）の文脈順序情報の識別能力が高くなる要因を特定した．また，STLRのカルシウム濃度とLTP/LTDに関連する閾値の範囲を拡張することにより、STLRの文脈情報の時間識別能力を飛躍的に向上可能な学習モデルの開発に成功した．実験研究では，これまで海馬CA1領域でのみ存在が確認されていた時空間学習則（STLR）が海馬CA3領域で新たに発見し，トップダウン情報処理時に分泌されるアセチルコリンの投射と関連して作用することを明らかにした．
|
| 研究成果の学術的意義や社会的意義 |
これまで入出力スパイクの同時性により学習するHebb型の学習則がよく使われてきたが、出力スパイクに依存しない時空間学習則（STLR）を主体とした脳型の記憶モデルの理論構築およびその実証実験は行われてこなかった。本研究によってトップダウン情報を用いたSTLRによる神経回路ネットワークの理論構築と生理学的妥当性の検証を行うことができれば、脳の文脈情報学習および記憶のメカニズムの解明に向けて強力な手がかりを掴むことができる。本研究の成果は，現在の人工知能研究に生物の脳が持つ文脈情報処理原理の観点からの新たな発想や道筋を与えるとともに，認知症を初めとした疾患研究への貢献も期待できる．
|
