| 研究課題/領域番号 |
20K11987
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 京都大学 |
|---|
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 九州大学, 理学研究院, 教授 (10508956)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2020年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 脳 / 学習 / 確率 / 海馬 / 記憶 / ゆらぎ / ノイズ / ニューラルネットワーク / シナプス / サンプリング / 符号化 / ギブスサンプリング / 揺らぎ / 自発活動 / 時系列 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
近年ディープラーニングなど脳の構造を取り入れた機械学習が高い性能を示し始めたが、時系列学習に関する性能や効率は、まだ生物の脳のレベルには達していない。本研究では、実験と理論の統合によって、我々の脳内で観測されるような内部ダイナミクスを上手く利用する新たな時系列学習アルゴリズムの原理を解明し、柔軟かつ高精度な時系列学習アルゴリズムを実現することを目的とする。
|
| 研究成果の概要 |
我々ヒトを含む動物の脳内では、スパイク発火により情報を表現するニューロンと、ニューロン間での情報伝達を実現し、記憶や学習の実体であると考えられているシナプスの両方が、確率的な自発的内部ダイナミクスを示し続けていることが実験的に報告されている。しかし、これらの確率性が、脳の学習や情報処理、特に、時間情報の記憶や学習をどう実現し得るのかは未解明だった。本研究課題では、実験と理論の共同研究によってこの問題に取り組み、海馬記憶痕跡細胞の特性を機械学習の手法を援用して解析によって明らかにしたほか、ニューロンとシナプスの確率性によって時系列学習を実現する新たなニューラルネットワークの提案にも成功した。
|
| 研究成果の学術的意義や社会的意義 |
我々の脳は、現在研究されている機械学習や人工知能に比べて格段に低消費電力で効率的に動作することが知られており、このような効率的な学習の実現には、脳のニューロンやシナプスが持つ特性を活かした新たな学習アルゴリズムが必要だと考えられてきた。本研究成果として得られた学習アルゴリズムは、脳のニューロンやシナプスのように、素子が持つ固有の確率性を活かして学習を実現するものであり、確率的動作が正確な学習を実現可能であることを示した点で高い学術的意義を持ち、同時に、今後、このアルゴリズムの実装を進めていくことで、脳型の、超低消費電力で動作する機械学習の実現に繋がり得るという高い社会的意義を持つ。
|
