非線形因果探索法の開発による脳内情報伝搬の理解

通过开发非线性因果搜索方法来理解大脑中的信息传播

• 批准号: 22K17956
• 负责人: 森岡 博史
• 金额: $ 2.91万
• 依托单位: Institute of Physical and Chemical Research
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17956/
• 关键词: 機械学習; 因果探索; 非線形解析; 深層学習; 計算神経科学

本研究は脳の高度情報処理機構の基盤をなす未知の脳内情報伝搬・統合メカニズムの解明を目的とし，そのために機械学習に基づく新たな非線形ネットワーク因果構造推定法を開発することで挑戦するものである．本年度は主に，研究実施計画における「データの背後にある無向ネットワーク構造の推定法の研究」を目指し，そのための要素技術となる，多次元因果構造の推定法の開発に従事した．提案法は各ノードが多次元な観測情報を持つネットワークデータを想定したものであり，特に変数間に未知の混合が加わっている際に，それをデータ駆動的に脱混合することにより，その背後にある本来の多次元因果構造の推定を可能とするものである．そのように非線形混合の存在を陽に考慮することにより，従来では困難だった多次元センサネットワークからの因果探索が可能になる．また，新たな推定法として自己教師学習に基づくものを提案しており，従来法よりも効率的に学習可能である．提案法の有効性を示すため，人工的に生成した遺伝子制御ネットワークデータに適用した結果，従来法よりも高い精度で背後にある因果構造が推定できることが示された．これらの結果は複数モダリティにより計測された脳計測データを解析する上でも重要な要素であり，本研究を遂行する上で重要な足がかりとなる．なお，提案法は脳計測データのみでなく様々な多次元ネットワークデータに適用可能であり，幅広い応用が期待される．

This study は 脳 の highly intelligence 処 manage institution の base plate を な す unknown の 脳 intelligence within 伝 move, integrative メ カ ニ ズ ム の interpret を purpose と し, そ の た め に rote learning に base づ く new た な nonlinear ネ ッ ト ワ ー ク causal structure estimation method を open 発 す る こ と pick 戦 で す る も の で あ る. は に Lord this year, the study be applied plan に お け る "デ ー タ の behind に あ る undirected ネ ッ ト ワ ー ク tectonic の の presumption method research" を refers し, そ の た め の elements technology と な る, multidimensional causal structure の estimate の open 発 に 従 matter し た. Proposal method は each ノ ー ド が multidimensional な 観 measuring intelligence を hold つ ネ ッ ト ワ ー ク デ ー タ を scenarios し た も の で あ り, trevor に number variations between に unknown の mixed が plus わ っ て い る interstate に, そ れ を デ ー タ に 駆 move that the mixed す る こ と に よ り, そ の behind に あ る originally の multidimensional causation presumption tectonic の を may と す る も の で あ る. そ の よ う に nonlinear mixed の is を Yang に consider す る こ と に よ り, 従 to で は difficult だ っ た multidimensional セ ン サ ネ ッ ト ワ ー ク か ら の causal may explore が に な る. ま た, new た な estimate と し て own に teacher learning base づ く も の を proposal し て お り, 従 to method よ り も unseen に learning could で あ る. Proposal method の have sharper sex を shown す た め, artificial に generated し た heritage 伝 son suppression ネ ッ ト ワ ー ク デ ー タ に applicable し た results, 従 to method よ り も behind high precision い で に あ る causation presumption tectonic が で き る こ と が shown さ れ た. こ れ ら の results は plural モ ダ リ テ ィ に よ り measuring さ れ た 脳 measuring デ ー タ を parsing す る on で も is key factor な で あ り, を carries out this study す る で important な on foot が か り と な る. な お, proposed method は 脳 measuring デ ー タ の み で な く others 々 な multidimensional ネ ッ ト ワ ー ク デ ー タ に may apply で あ り, picture hiroo い 応 with が expect さ れ る.

项目成果

Connectivity-contrastive learning: Combining causal discovery and representation learning for multimodal data

• 发表时间: 2023
• 作者: H. Morioka;Aapo Hyvärinen

ヘルシンキ大学(フィンランド)

赫尔辛基大学（芬兰）

Discussions about Prof. Aapo Hyvarinen's lecture

关于Aapo Hyvarinen教授讲座的讨论

• 发表时间: 2022
• 作者: Hiroshi Morioka and Aapo Hyvarinen;Hiroshi Morioka
• 通讯作者: Hiroshi Morioka