| 研究概要 |
本研究は生体の脳内で実験的に観察されている振動・同期・カオス現象に着目し、それらを「ダイナミカルな振舞いを見せるニューラルネットワーク」というキーワードでモデル化し、理解することを目的にし、さらにそのデジタル・ハードウェア化を視野に入れた研究を行っている。
「モデル化」に関しては、前年度の結果を踏まえて「振動・同期・カオス現象」のメカニズム解明を引続き行った。今年度は特に「振動・同期現象の結合形態依存性」に着目して研究を進めた。結合形態とは、ある素子から別の素子への情報(パルス)の伝わり方のことを指し、その時定数が振動・同期・カオス現象にどのように影響するかを調べた。その結果、時定数が有限(0ではない)状況では広いパラメータ範囲でカオスが見られることが明らかになった。さらに、今年度は用いるモデルをactive rotatorからcanonical modelと呼ばれるものに変更した。canonical modelは現実の脳内のダイナミクスとの対応が数学的に明らかであるという点で,active rotatorよりもuniversalで有利であると言える。すなわち、canonical modelで見られる現象を現実の脳へ対応づけることがより容易になった。
一方、今年度は「デジタル・ハードウェア化」に関しても研究が進み、FPGA上で動作するニューロンモデルの設計・実装を行った。現在、「三層ニューラルネットワーク」や「連想記憶」などのよく知られたニューラルネットワークモデルが単一FPGA上で動作している。これを大規模化して有用なアプリケーションを示すことが来年度の課題である。また、現状では「モデル化」研究で得られた知見を反映したハードウェア化にはなっていないが、これも今後の課題である。
|
