【本学研究者情報】

〇電気通信研究所　准教授　山本英明
ウェブサイト

【発表のポイント】

• ラットの細胞を用いて組み上げた「人工培養脳」の計算能力をリザバーコンピューティング^注１の枠組みに基づいて解析しました。
• 生きた細胞が作る神経ネットワークは数百ミリ秒程度の短期記憶を持ち、これを利用して人間の発話音声のような時系列データの分類を実証しました。
• 「人工培養脳」に基づくリザバー計算機はカテゴリー学習を可能にし、計算性能を向上させるための汎化フィルター^注2として機能することを解明しました。
• 生物の神経回路の振る舞いをより精緻に模倣した機械学習や脳型ハードウェアの開発につながると期待されます。

【概要】

機械学習やAIは、生物の脳の働きを数学的に模倣することにより発展してきました。しかし、神経細胞が集まりである脳で高度な情報処理が実現される詳細なメカニズムは、いまだ完全に理解されていません。

東北大学電気通信研究所の住 拓磨氏(大学院医工学研究科大学院生)、山本英明准教授、平野愛弓教授(材料科学高等研究所兼担)らと公立はこだて未来大学の香取勇一教授の研究チームは、リザバーコンピューティングと呼ばれる機械学習の新しい枠組みを用いて、ラットの大脳皮質神経細胞で構成した「人工培養脳」の計算能力を解析するための一連の実験を成功させました。

本実験では、培養された神経細胞ネットワークの多細胞応答を光遺伝学と蛍光カルシウムイメージングを用いて記録し、リザバーコンピューティングを使用してその計算能力を解析しました。実験の結果、「人工培養脳」は数百ミリ秒程度の短期記憶を持ち、これを利用して時系列データの分類が可能であることが示されました。

さらに興味深いことに、一つのデータセットで訓練されたネットワークには、同じカテゴリーの別のデータセットを分類することができたため、「人工培養脳」がリザバーコンピューティングの性能を向上させるための汎化フィルターとして機能することが明らかになりました。この研究結果は、生きた細胞が作る神経ネットワーク内部の情報処理に関するメカニズム理解を進展させるとともに、「人工培養脳」に基づく物理的なリザバー計算機の実現可能性を広げます。

本研究成果は、2023年6月12日（米国時間）に米国科学アカデミー紀要 PNASのオンライン版で公開されました。

【用語解説】

注1. リザバーコンピューティング
機械学習で使用されるリカレントニューラルネットワーク（RNN）について、学習の効率化と計算量の削減のために、一部のモデルパラメータのみを学習するアイデアのもと、提示されたモデル。このモデルは、重みを固定したRNNによって、入力データを非線形変換し、出力層の重みを学習して、所望の出力を得るように設計される。リザバーは必ずしもニューラルネットワークである必要はなく、さまざまな物理系を利用して構築することもできる。それらは一般に、物理リザバーと呼ばれる。

注2. 汎化フィルター
入力データの中に存在する普遍的な特徴やパターンを強調し、カテゴリーごとに分類しやすくする信号処理プロセスのこと。

詳細（プレスリリース本文）

問い合わせ先

（研究に関すること）
東北大学電気通信研究所
准教授　山本英明
TEL: 022-217-6102
E-mail: hideaki.yamamoto.e3*tohoku.ac.jp（*を@に置き換えてください）

（報道に関すること）
東北大学電気通信研究所　総務係
TEL: 022-217-5420
E-mail: riec-somu*grp.tohoku.ac.jp（*を@に置き換えてください）