中間的スケールにおける脳情報処理の一般ネットワーク数理モデルの構築及びその解析

点击翻译按钮获取中文摘要

脳の機能には様々なスケールの現象が関わっており、ミクロレベルの電気的、化学的な信号処理から、マクロレベルの行動変化や刺激応答までの間には、大きな隔たりがある。このことは、脳の情報処理メカニズムを明らかにする上で問題となっている。本研究は、脳の中間レベルのスケールに着目し、そこで生じる複雑現象を対象とした新たな数理モデルを構築し解析することで、脳の機能解明や応用に役立てることを目的とする。本年度は、これまでの研究期間に得られた知見をもとに、新たに表出した課題を解決しつつ、引き続き数理モデルの構築、動作特性の分析、理論の整理、モデルの評価、応用研究等に従事し、成果をまとめることを目指した。これまでの2年間の研究により、大規模なニューラルネットワークを対象とした効率的な計算法や可視化法が整ってきた。その結果、メゾスケール系に特有の現象として、複雑な進行波が発生することも分かってきた。これらの成果を英文の雑誌論文や和文の解説論文などにまとめた。また、進行波発生のメカニズムの一つとして、神経細胞の不応性が重要ではないかと考え、物理学の分野で用いられているスピンモデルに不応性を加味したメゾスケールモデルを提案した。また、大規模なニューラルネットワークが計算できるようになった利点を活かし、複雑な構造を持つ記憶集合を埋め込んだ場合の動作特性を調べた。さらに、ネットワークの複雑な動作のメカニズムを明らかにするため、ニューロン数が1の場合から徐々に数を増やしていった際に、過渡期長や周期長などの統計量がどう変化するかを調べた。最後に、動的ベイジアンネットワークモデルを用いて、脳の情報処理の2大要素である「入力の解釈」と「出力の計画」が、ベイズ推論の観点から統一的に理解できることを示した。