| 研究概要 |
本研究は,開発が急務である学習機能を持たせたロボットの開発にも繋がるような学習機能を有するニューロデバイスの開発を行うために,生体の脳内,特に海馬CA3における神経回路網のハードウェアモデルを提案し,パルスタイミングに依存してシナプス荷重が変化する学習則(STDP)を取り込んだモデルを開発する。この学習則は,2つの特性が海馬CA3の深さ方向に依存して得られることが報告されており,2つの特性を結合荷重値として埋め込むことにより,仮想的な三次元構造の神経回路網モデルを提案し,VDECを通して実装する。この実装したモデルを用い,記憶の保持・想起について検証を行う。
本年度は,特に以下の内容について検討を行った。(1)メキシカンハット型の特性を示すモデルの開発,(2)非対称型・メキシカンハット型の特性を示すモデルの提案,(3)2つの特性を用いた仮想的な三次元構造の神経回路網モデルの提案。
その結果,
(1)メキシカンハット型の特性を示すには,抑制性介在ニューロンが関与しているとの生理学的報告があることから,抑制性介在ニューロンのモデルを考慮することで開発を行い,時系列パターンの保持が可能であるモデルを提案した(雑誌論文1番目)。
(2)非対称型・メキシカンハット型,二つの特性共に,シナプス結合荷重値の増強・抑圧の領域を有しており,回路の共有化が可能である。今回,外部から与えるバイアス電圧により,二つの特性の切り替えを決定するモデルを提案し,一つの回路で示せるモデルを提案した(図書1番目)。
(3)場所に依存し,二つの特性を示す生理学実験のデータを元に,三次元構造を示している海馬CA3の2つの特性を結合荷重値として埋め込むことにより,仮想的な三次元的の特徴を備えた神経回路網モデルを提案した(学会発表5番目)。
|
