時空間型光操作に基づくデータ駆動型神経回路制御の確立と脳機能操作への応用

点击翻译按钮获取中文摘要

本研究課題の初年度にあたる令和3年度には，神経システムのフィードバック操作を実現するデータ駆動型アルゴリズムの構築を行った．雑音が重畳される計測データから潜在変数を行うと共に，フィードバック制御やモデル予測制御に基づいた動的制御を実現するアルゴリズムを構成した．部分的に観測される潜在変数の推定値に基づいた動的制御により，神経システムの制御を実現するアルゴリズムの構築に成功した．更に，時系列データから潜在ダイナミクスを推定する方法として，レプリカ交換粒子モンテカルロ法(Replica exchange particle Markov chain Monte Carlo (REPMCMC) method)を提案し，潜在変数の分布推定とパラメータの分布推定を同時に実現するデータ駆動型アルゴリズムを構成した．潜在変数とパラメータの分布の同時推定を実現するレプリカ交換粒子ギブス法(Replica exchange particle Gibbs (REPG) method)を提案すると共に，パラメータ分布の推定を実現するレプリカ交換メトロポリスヘイスティングス法(Replica exchange particle Metropolis-Hastings (REPMMH) method)を提案した．更に，深層学習に基づいて統合情報量を推定するデータ駆動型アルゴリズムを構築した．これらの研究成果を国内外の学会や査読付き英文論文として公表した．これらの研究成果は関連研究者の注目を受け，大阪大学 数理・データ科学教育研究センターや，情報処理学会関西支部などでの依頼講演を行うと共に，関連学会より優秀論文賞を受賞した．本研究課題における理論と実験の融合研究を推進する為に，神戸大学先端融合研究環・統合研究領域において，神経回路網シミュレーションモデル研究のプロジェクトリーダーとして融合研究を行った．