感覚神経回路における同期発火の神経機構とその情報科学的意義の解明

本年度の目的は, 感覚系神経回路を模した数理モデルにおいて, 発火の情報科学的意義を解明することである. 申請当初の研究実施計画では生理実験の研究者と共同し, 感覚系の神経細胞集団における同期発火のデータ解析を想定していたが, 本年度はモデルと学習手法の理論構築に従事した. これは, 前年度までの研究が機械学習の手法として工学的に利用価値が高いため, 数理の立場からだけでも情報科学的意義の解明を十分に推進できると考えたためである.神経回路モデルを機械学習の視点から観ると, 階層型モデルでは規格化因子の計算が困難である. この困難性を回避する学習手法の確立は工学的に意義深い. そこで本年度は規格化因子の計算を避ける学習手法として知られるscore matching法の幾何学的な特徴の解析とその特徴を活かしたアルゴリズムの開発を行った. 神経回路モデルの学習において, アルゴリズムは学習の収束を高速化することに成功した.また, 階層型モデルは画像・音声認識において近年, 高い性能を発揮しているが, その学習を可能にする技術の中でも勾配法は重要である. そのような勾配法の中でWeight Normalizationと呼ばれる手法に着目し, この手法が学習の収束を高速化するメカニズムを理論とシミュレーションから明らかにした.さらに, 前年度からの継続研究として, 生理学的に妥当な対数重み分布の結合によって自発発火を再現するモデルをシミュレーションにより解析した. その結果, 入力刺激に応じて脳波に近い周波数を持つ集団同期と発火・非発火の双安定状態が実現することを明らかにした.以上の研究成果をまとめて, 国内学会7件における発表, および査読有り国際学会における3件の発表, 査読有り英文誌における2件の発表を行った.

本年度の目的は, 感覚系神経回路を模した数理モデルにおいて, 発火の情報科学的意義を解明することである. 申請当初の研究実施計画では生理実験の研究者と共同し, 感覚系の神経細胞集団における同期発火のデータ解析を想定していたが, 本年度はモデルと学習手法の理論構築に従事した. これは, 前年度までの研究が機械学習の手法として工学的に利用価値が高いため, 数理の立場からだけでも情報科学的意義の解明を十分に推進できると考えたためである.神経回路モデルを機械学習の視点から観ると, 階層型モデルでは規格化因子の計算が困難である. この困難性を回避する学習手法の確立は工学的に意義深い. そこで本年度は規格化因子の計算を避ける学習手法として知られるscore matching法の幾何学的な特徴の解析とその特徴を活かしたアルゴリズムの開発を行った. 神経回路モデルの学習において, アルゴリズムは学習の収束を高速化することに成功した.また, 階層型モデルは画像・音声認識において近年, 高い性能を発揮しているが, その学習を可能にする技術の中でも勾配法は重要である. そのような勾配法の中でWeight Normalizationと呼ばれる手法に着目し, この手法が学習の収束を高速化するメカニズムを理論とシミュレーションから明らかにした.さらに, 前年度からの継続研究として, 生理学的に妥当な対数重み分布の結合によって自発発火を再現するモデルをシミュレーションにより解析した. その結果, 入力刺激に応じて脳波に近い周波数を持つ集団同期と発火・非発火の双安定状態が実現することを明らかにした.以上の研究成果をまとめて, 国内学会7件における発表, および査読有り国際学会における3件の発表, 査読有り英文誌における2件の発表を行った.