| 研究課題/領域番号 |
16K16123
|
|---|
| 研究機関 | 滋賀大学 |
|---|
研究代表者 |
田中 琢真 滋賀大学, データサイエンス教育研究センター, 准教授 (40526224)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 理論神経科学 / 神経回路網 / アルゴリズム情報理論 |
|---|
| 研究実績の概要 |
単純な神経回路に出現する発火活動についてモデル化を行った。神経細胞が多数あり、結合がランダムに存在する状況を考える。特に、結合が+Jと-Jの二種類に限定されており、神経細胞が無限個ある状況を考える。このとき、回路の中の特定の細胞集団と別の細胞集団の結合の強度によって回路の出現確率を評価すると、結合強度の二乗和（結合行列の全成分の二乗の和）で与えられることがわかった。しかし、実際に無限個の細胞が存在する状況を数値計算で試すことはできない。そこで、回路の構造を工夫し、非線形な細胞から線形な細胞へ、線形な細胞へ非線形な細胞へと結合がある反回回路を構築した。このとき、非線形な細胞の結合を正規分布からとると、線形な細胞を無限個用意し、それらへの結合を結合強度の二乗和を求めることができる。これはカーネル法によって可能になるが、このとき結合強度を変数にとるのではなく、各瞬間の線形な細胞の活動を変数にとることになる。このようにすれば、線形な細胞が無限個あるとしても、線形な細胞は時刻と同じだけの個数あるとすれば実効的には無限個用意したのと同じになる。この定式化では、特定の課題を実行できることは、線形な細胞に特定の制約条件を課すことに等しくなる。以上のような定式化を行い、シミュレーションを行った。この結果、多くの課題で持続発火が出現し、多くの細胞が類似した情報を保持するようになることがわかった。たとえば、二つの刺激が同時に提示された後にのみ出力を出す課題や、入力に応じて複数の運動パターンのいずれかを生成する課題を実行でき、このとき持続発火活動が出現することがわかった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
モデルの定式化を行い、数値計算を行った結果、複数の課題で持続発火活動が出現し、細胞の示す発火パターンの種類が少数になることがわかった。たとえば、特定の条件の時だけ遅延の後に出力を出すべき課題では、一種類の持続発火活動がすべての細胞に発生する（符号の反転やスケールがされる場合もある）ことがわかった。これは予期していた結果であり、この意味では順調であると言える。しかし、このモデルでは一部の課題を実行できないことがわかった。モデルを変形するなど様々な工夫をしているが、今のところ解決の方策は見つかっていない。原因は、モデルの最適化を可能にするために導入した小さな時刻ごとに独立なノイズで、このノイズによって好ましくない挙動が発生していることがわかった。このノイズなしで最適化を行うことは困難であるため、当面の解決は難しいと考えている。
|
| 今後の研究の推進方策 |
以上のような困難が判明したが、とりあえず現時点での結果をまとめて論文化することを目指している。一方で、この困難を解決するためには全く別の定式化と全く別のモデル化を行う必要があると考えている。具体的には、次のようなモデルを構築することを考えている。まず、離散時間の中で動作する確率的な二値神経細胞モデルを使う。このようなモデルでは、一般的なマルコフ過程の性質に基づいてバックプロパゲーションを使わなくてもリカレントネットワークの学習が可能であることがわかっている。このモデルで遅延期間中に記憶を保持することが必要な課題の学習を行い、どのような発火パターンが出現するかを確認する。現在予備的に着手しており、持続発火が出現することがわかっている。しかし、学習が高速に進まず、学習後に結合強度が極端な値をとることが判明しており、この点を改善していくことを目指している。
|
| 次年度使用額が生じた理由 |
研究の進展に伴って論文校閲・出版費用が少し多めに発生することを想定していたが、発生しなかった。
|
| 次年度使用額の使用計画 |
論文の出版は次年度に繰り延べとなるので、その費用に充てる。
|
