バイオ超越 - 脳神経マルチセルラバイオ計算の理解とバイオ超越への挑戦

文部科学省 科学研究費助成事業 「学術変革領域研究(A)」

研究内容

情報数理班(A01)

A01-1 マルチセルラ神経ダイナミクスのデータ解析基盤と情報処理モデル

代表香取 勇一公立はこだて未来大学 システム情報科学部 教授Lab.HP

分担保坂 亮介芝浦工業大学 システム理工学部 准教授Researchmap

分担藤原 直哉東北大学 情報科学研究科 准教授Researchmap

分担徳田 慶太順天堂大学 健康データサイエンス学部 講師Researchmap

分担加藤 秀行大分大学 理工学部 准教授Researchmap

達成目標

非線形素子である神経細胞の多数結合系において生じる複雑な神経ダイナミクスを活用した情報処理機構を基盤に、脳の予測符号化(predictive coding)や報酬修飾学習を組み込んだ感覚運動学習の統合情報処理モデルを構築する。

具体的計画

生物の脳・神経系データから得られる情報表現・神経ダイナミクスの知見を取り込んだ感覚運動学習モデルを構築し、運動制御における自発的神経活動の機能的役割や、神経変調物質(ドーパミン)を物質基盤とするオンライン報酬修飾学習の、学習効率と環境適応性を明らかにする。具体的には、再帰的ニューラルネットワーク(RNN)をベースとして、A03正水班、A03神谷班から得られる生物系の大規模神経活動データと、A01松井班の解析結果にデータ駆動モデリングを融合し、統合情報処理モデルを定式化する(下図)。その上で、A02山本班と連携し、統合情報処理モデルの生物学的妥当性を、バイオ素子(培養神経回路)上への実装を通じて検証する(①マルチセルラ数理モデル)。さらにA04河野班、A04平田班との連携の下で統合情報処理モデルを電子デバイス(ハードウェア)に実装し、センサ情報処理とアクチュエータ制御を含むロボット応用により、既存の適応制御モデルに対する優越性を明らかにする(②マルチセルラハードウェア)。

リザバーコンピューティングと予測符号化を統合した動的予測符号化モデル"
リザバーコンピューティングと予測符号化を統合した
動的予測符号化モデル:(上)学習時と(下)認識時の振る舞い.

A01-2 大規模神経データ解析による視覚情報処理と学習則の抽出

代表松井 鉄平同志社大学 脳科学研究科 教授Researchmap

分担根東 覚東京大学 ニューロインテリジェンス国際研究機構 特任准教授Researchmap

分担李 鋭祥同志社大学 研究開発推進機構 特任研究員Researchmap

達成目標

大脳皮質視覚野の自発活動に着目し、神経回路形成=学習における役割と視覚情報表現における機能を生物実験と統計学的データ解析により明らかにする。

具体的計画

本研究課題では自発活動をキーワードとして大規模脳活動データの数理的解析による研究および脳活動イメージングによる実験的研究を推進する。具体的には1)大脳皮質の自発活動が視覚情報処理に果たす機能的意義の解明とモデル化。2)数理モデルから予測される自発活動の機能と、実際の脳神経回路における自発活動パターンとの比較。3)シナプスレベルでの解析・モデル化による生体脳学習則の抽出を行う。A03神谷班との連携では、シナプスレベルの機能解析・携帯解析から発達・学習に伴う神経細胞間の局所相互作用の実態を明らかにする。A02山本班およびA04河野班との連携では、生体脳のデータ解析や実験から得られた結果を培養神経回路やハードウェアを用いたミニマルな系でモデル化する。

全脳自発活動パターンの解析
全脳自発活動パターンの解析

ページトップへ