「人工培養脳」が時系列データの処理を改善 ～物理リザバーとして新たな可能性を拓く～

「人工培養脳」が時系列データの処理を改善～物理リザバーとして新たな可能性を拓く～

2023年6月29日 13:00 | プレスリリース?研究成果

【本学研究者情报】

〇电気通信研究所　准教授　山本英明

【発表のポイント】

ラットの细胞を用いて组み上げた「人工培养脳」の计算能力をリザバーコンピューティング^注１の枠组みに基づいて解析しました。
生きた细胞が作る神経ネットワークは数百ミリ秒程度の短期记忆を持ち、これを利用して人间の発话音声のような时系列データの分类を実証しました。
「人工培养脳」に基づくリザバー计算机はカテゴリー学习を可能にし、计算性能を向上させるための汎化フィルター^注2として机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机械学习や脳型ハードウェアの开発につながると期待されます。

【概要】

机械学习や础滨は、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、神経细胞が集まりである脳で高度な情报処理が実现される详细なメカニズムは、いまだ完全に理解されていません。

东北大学电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、培养された神経细胞ネットワークの多细胞応答を光遗伝学と蛍光カルシウムイメージングを用いて记録し、リザバーコンピューティングを使用してその计算能力を解析しました。実験の结果、「人工培养脳」は数百ミリ秒程度の短期记忆を持ち、これを利用して时系列データの分类が可能であることが示されました。

さらに兴味深いことに、一つのデータセットで训练されたネットワークには、同じカテゴリーの别のデータセットを分类することができたため、「人工培养脳」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机能することが明らかになりました。この研究结果は、生きた细胞が作る神経ネットワーク内部の情报処理に関するメカニズム理解を进展させるとともに、「人工培养脳」に基づく物理的なリザバー计算机の実现可能性を広げます。

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。

図1. 人工培養脳を使用したリザバー計算機。人間の発話音声(数字の0を英語で発音した"zero")が入力されると、人工培養脳は入力を多細胞応答に変換する。その信号を、線形分類器で読み出すことで、時系列信号の分類が達成される。図中の人工培養脳は4つの四角形とそれらを結ぶ細い線内に成長するように設計され、モジュール性を持たせている。本実験では、人工培養脳がこのようなモジュール性を有することで、分類性能が改善されることを明らかにした。

【用语解説】

注1. リザバーコンピューティング
机械学习で使用されるリカレントニューラルネットワーク（搁狈狈）について、学习の効率化と计算量の削减のために、一部のモデルパラメータのみを学习するアイデアのもと、提示されたモデル。このモデルは、重みを固定した搁狈狈によって、入力データを非线形変换し、出力层の重みを学习して、所望の出力を得るように设计される。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构筑することもできる。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强调し、カテゴリーごとに分类しやすくする信号処理プロセスのこと。

详细（プレスリリース本文）