自己学習をする生化学論理デバイス(バイオケミカルニューロン)のハードウエア化

点击翻译按钮获取中文摘要

本研究の目的は代謝系に数多く存在する生化学論理デバイス(バイオケミカルニューロン)に着目し、その機能発現原理を模倣した新しいタイプの人工ニューロンのハードウエア化である。この素子は、多入力1出力で、"短期記憶を持ったしきい値論理機能"を有しており、この素子の構成要素となるネットワークを使って、複雑な時系列入力パターンを識別・分類することができる。この素子を基本構成要素とすると、要素間の結合様式を変えるだけで、A/D信号変換システムや、自己組織システムを構築することができる。構築した人工神経回路網を使って、様々な神経生理学的実験事象を追証できることから、この素子のハードウエア化は、より生体系に近いニューロシミュレータの開発につながる。具体的に得られた結果を以下にまとめる。1)時系列アナログ信号のパターン分類用ネットワークの確立: 時々刻々入力される時系列信号を過去からの入力パターンの変化として捉えたり、瞬間の変化として捉えたりすることができる人工ニューラルネットワークをバイオケミカルニューロンを基本要素として構築した。またそれを拡張して、時系列信号の類似性認識システムを考案した。このシステムの有用性を検証した結果、テキスト依存型の話者照合に適用できることが明らかになった。2)Spiceシミュレーションでの生化学論理デバイスの安定性評価: バイオケミカルニューロンのプロトタイプをすでにアナログ電子回路のボードレベルで試作しているが、ニューロンシナプス部の可塑性を取り入れたバイオケミカルニューロンを開発するため、CAEシステムを用いてSpiceシミュレーションを行った。