| 研究概要 |
I.時系列想起の神経機構の生物物理モデル構築に取り組んだ。複数のリカレントニューロンネットワークA,B,C,…があり、それぞれがパターンA,B,C,…をコードするものとする。AからB、BからC、CからD、…にフィードフォワード結合させる。個々のスパイク発生ニューロンにafterdepolarizationに基づく双安定性を付与し、さらにノイズを付加する。以上の構成において、パターンA、B、C、…は強いアトラクターとなるが、AからB、BからC、CからD、…に移る途中の状態の一つ一つもアトラクター(連続アトラクター)となる。A→B→C→…という具合に、準安定状態遷移の連鎖として、ロバストな時系列想起が実現されることを確認した。時系列を構成する各パターンの寿命がシナプス強度に依存することもわかった。パターンA、B、C、…の間に重なりがある場合の扱いについては、次年度の課題として残った。
II.双安定スパイク発生ニューロンのレカレントネットワークが、確率的シナプス入力の分散をintegrandとするperfect integratorとして機能することを示した。従来のニューラルネットワーク情報処理における標準的な考え方は、ニューロンはシナプス入力の総和から出力を算出するというものである。そこでは総和の平均が主役であり、その周りの揺らぎの役割は二義的である。これに対して、本研究の結果は、実際の脳では本質的な情報はむしろ揺らぎにコードされるという興味深い可能性を示唆する。
|
