時空間型光操作に基づくデータ駆動型神経回路制御の確立と脳機能操作への応用

基于时空光操控的数据驱动神经回路控制的建立及其在脑功能操控中的应用

基本信息

批准号：
21H03509
负责人：
大森敏明
金额：
$ 10.82万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

本研究課題の初年度にあたる令和3年度には，神経システムのフィードバック操作を実現するデータ駆動型アルゴリズムの構築を行った．雑音が重畳される計測データから潜在変数を行うと共に，フィードバック制御やモデル予測制御に基づいた動的制御を実現するアルゴリズムを構成した．部分的に観測される潜在変数の推定値に基づいた動的制御により，神経システムの制御を実現するアルゴリズムの構築に成功した．更に，時系列データから潜在ダイナミクスを推定する方法として，レプリカ交換粒子モンテカルロ法(Replica exchange particle Markov chain Monte Carlo (REPMCMC) method)を提案し，潜在変数の分布推定とパラメータの分布推定を同時に実現するデータ駆動型アルゴリズムを構成した．潜在変数とパラメータの分布の同時推定を実現するレプリカ交換粒子ギブス法(Replica exchange particle Gibbs (REPG) method)を提案すると共に，パラメータ分布の推定を実現するレプリカ交換メトロポリスヘイスティングス法(Replica exchange particle Metropolis-Hastings (REPMMH) method)を提案した．更に，深層学習に基づいて統合情報量を推定するデータ駆動型アルゴリズムを構築した．これらの研究成果を国内外の学会や査読付き英文論文として公表した．これらの研究成果は関連研究者の注目を受け，大阪大学数理・データ科学教育研究センターや，情報処理学会関西支部などでの依頼講演を行うと共に，関連学会より優秀論文賞を受賞した．本研究課題における理論と実験の融合研究を推進する為に，神戸大学先端融合研究環・統合研究領域において，神経回路網シミュレーションモデル研究のプロジェクトリーダーとして融合研究を行った．

在2021年，这是本研究主题的第一年，我们构建了一种数据驱动算法，该算法可以为神经系统提供反馈操作。从叠加噪声的测量数据中生成了潜在变量，并构建了算法，该算法基于反馈控制和模型预测控制实现动态控制。我们已经成功构建了一种算法，该算法通过基于部分观察到的潜在变量的部分估计来通过动态控制来实现神经系统的控制。此外，我们提出了副本交换粒子马尔可夫链蒙特卡洛（REPMCMC）方法作为一种从时间序列数据中估算潜在动力学的方法，并构建了数据驱动的算法，该算法同时实现了潜在变量的分布估计和参数的分布估计。我们提出了一种复制交换粒子吉布斯（REPG）方法，该方法可以同时估计潜在变量和参数分布，以及一个复制品交换粒子大都市杂货（REPMMH）方法，该方法可以估算参数分布。此外，构建了一种数据驱动算法，以估计基于深度学习的集成信息的量。这些研究结果已发表在日语和国际学术社会以及同行评审的英文论文中。这些研究结果受到了相关研究人员的关注，并被邀请在大阪大学的数学和数据科学教育与研究中心进行讲座，并获得了相关学术社会的卓越论文奖。为了促进该研究主题中理论与实验之间的融合研究，我在科比大学高级融合研究周期和综合研究领域的神经网络仿真模型研究中进行了融合研究。