| 研究課題/領域番号 |
20K11974
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
立野 勝巳 九州工業大学, 大学院生命体工学研究科, 准教授 (00346868)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | スパイキングニューラルネットワーク / 内側側頭葉 / 海馬 / 前頭前野 / 空間探索課題 |
|---|
| 研究実績の概要 |
本研究では、嗅周皮質―嗅内皮質―海馬モデルと前頭前野モデルを組み合わせて、移動ロボットが経験した空間情報を認知地図として蓄積し、行動計画の学習に活用する仕組みを提案することである。提案ネットワークモデルにより、空間探索課題を学習するシミュレーションを行った。いずれも積分発火ニューロンで構成した。
空間課題の学習により通過した経路の場所細胞が神経活動を繰り返す海馬リプレイと呼ばれる現象が生じる。空間課題として、まず直線通路を走るシミュレーションにより、海馬リプレイが起こる仕組みの詳細な評価を行った。提案モデルにおいては、探索行動により、場所細胞間にフィードフォワード結合構造が形成され、 海馬リプレイが生じる。同時に、場所受容野が進行方向と逆方向に延びて歪むバックワードシフトが生じた。これらは同じ構造のニューラルネットワークから生じるが神経修飾物質の濃度レベルの違いよりいずれか一方が顕在化させられることを確認した。さらに、提案モデルをモリスの水迷路様課題に適用し、スタート地点からゴール地点までたどる最適な経路を学習できることを確認した。このとき、場所受容野の歪みが学習に寄与することを示唆する結果を得た。
外界の情報を提案モデルに取り入れるため、オブジェクトベクトル細胞とランドマークベクトル細胞を導入した。いずれも空間内のオブジェクトの方向と距離に応じて反応する細胞である。特に、ランドマーク細胞は特定のオブジェクトに反応する。まず、他者のいる観察交替迷路課題において、オブジェクトベクトル細胞を取り入れ、他者をオブジェクトとみなすことで課題が学習できることを確認した。また、頭方位と移動速度を経路積分で場所を求める場合、移動距離が延びるに従い誤差が蓄積する。これを補正するため、ランドマーク細胞の出力を格子細胞にフィードバックすることで誤差の蓄積を軽減する仕組みを導入した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
内側嗅内皮質―海馬のスパイキングネットワークモデルと行動選択スパイキングネットワークを作成し、複数の空間探索課題に取り組み、学習時の神経活動を評価している段階である。提案モデルは、神経修飾物質に依存するシナプス可塑性の効果を取り入れることで報酬依存の学習を行う。
提案モデルにおいて、直線トラックやモリス水迷路課題の空間探索課題で報酬位置を学習する過程の神経活動を明らかにしている。空間学習後、海馬リプレイが起こるので、その形成過程について詳細に調べた。また、θリズムを導入した場合の海馬リプレイとθシーケンスの形成との関係についても調べた。海馬リプレイの学習への寄与を明らかにする取り組みでは、海馬リプレイや場所受容野のバックワードシフトの形成に必要なフィードフォワード結合の形成過程が効率的な探索に寄与するとの示唆を得た。
新規オブジェクトの検出のための嗅周皮質ネットワークの作成については遅れている。一方で、探索空間内にオブジェクトが置かれた場合に、仮想ラットから方向と距離に依存して反応するオブジェクトベクトル細胞を嗅内皮質ネットワークモデルに導入した。そこで、同じ空間内にいる他者をオブジェクトと見立て、他者の行動に依存して行動を変える観察交替迷路課題を実施し、学習が遂行できることを確認した。
上記に加え、自己位置表現のロバスト性を向上させる改善を行った。空間探索課題の遂行にあたり、従来の経路積分による場所細胞の形成だけでは、仮想ラットの移動距離が長くなるにつれ誤差が蓄積しやすいことが明らかになったため、海馬ネットワークの一部としてランドマーク細胞を導入することで、解決を行った。ランドマーク細胞は空間内の特定のオブジェクトに反応するため、ランドマーク細胞から嗅内皮質ネットワークへフィードバック結合することで、格子細胞の場所受容野を安定させることができた。
|
| 今後の研究の推進方策 |
2022年度は、2021年度までに作成したスパイキングニューラルネットワークモデルを、嗅周皮質―嗅内皮質―海馬－行動選択モデルとして統合し、空間探索課題に適用してモデルを評価するという方策をとる予定である。まず、新規オブジェクト検出を行うための嗅周皮質ネットワークを完成させる。そのうえで、嗅内皮質―海馬―行動選択ネットワークモデルを結合して、Object-in-place associationやNovel object preferenceといった課題に取り組む。これらの課題の遂行は計算機シミュレーション上で行う。
空間探索課題の学習を成立させるためのチューニングを進めるとともに、ニューラルネットワークの振る舞いについての解析も進める。特に、海馬リプレイに焦点を当てた解析を行う。θリズム導入時の海馬リプレイの時間発展について詳細を明らかにする。また、リバースリプレイの発生機構についても併せて調べる。また、W字迷路課題を用いた交替迷路課題において、学習に対する海馬リプレイの寄与についてさらに評価を進める。海馬リプレイはリップル波と関連して生じていることから、海馬―前頭前野ネットワークにおけるリップル波の発生機構を提案し、学習への寄与を評価することで、妥当性を検証する。
計算機シミュレーションと並行して、ロボットを用いた空間探索課題の学習も遂行する。移動ロボットへの各種センサの整備を引き続き進める。移動ロボットのセンサ情報を提案ニューラルネットワークモデルに入力し、リアルタイムに場所細胞や新規オブジェクトに関する情報を海馬内に形成させる。提案ニューラルネットワークモデルの出力を元に移動ロボットの移動方向を決定する仕組みとする。実際の空間にオブジェクトを配置し、移動ロボットで空間探索課題を実施する。
計算機シミュレーションの結果、およびロボットを用いた実験の結果を学会で報告する。
|
| 次年度使用額が生じた理由 |
主に旅費と謝金として計上していた経費において、次年度使用額が生じた。旅費については、特に国際会議へ参加するための旅費を計上していたが、新型コロナウイルスの影響により、渡航が制限されたり、予定していた会議がオンライン開催となったりしたため、旅費を使う機会がなく、次年度使用額が生じた。また、謝金については、学生に作業を依頼することを念頭に予算を計上していたが、まん延防止措置等で登校機会が限られ、謝金を払っての作業依頼が実施しにくかったためである。
次年度使用額の使用計画は、学会が現地開催となる機会が増えているので、年度中には出張ができるようになることを期待して、学会参加のための旅費として計上する。また、ロボットを用いた実験の作業依頼を計画しており、次年度の経費と合わせて、謝金としても活用する予定である。さらに、論文投稿・掲載の費用としても利用したいと考えている。
|
