脳の仕組みを知り、コンピュータを人間の脳に近づける。脳の情報処理機構解明のためのデータマイニングどんな研究？何がわかる？・人間の脳に似たコンピュータを作る実験データの解析 ( マイニング ) ・脳の病気の仕組み、手術の効果をを通じて脳のシミュレーションをコンピュータを使って調べる行う基盤を開発します。・時系列ビックデータ解析手法の開発 ① 神経細胞の情報処理の仕組み・目標脳神経回路共同研究者 : 篠本滋 , 坪泰宏・ MAT モデル神経細胞変動閾値 CR回路電流 m dV = V + RI(t), if V (t) > (t) dt n (t) = + 本研究では、実験データから神経回路、神経細胞のシミュレーションモデルを開発する。 A. モデル開発、 B. データマイニングツールの開発、 C. データ解析 j=1 H(t - t j ), H(t) = “スパイク" exp(-t/ ) + exp(-t/ ) 赤字 : フィッティングパラメータ・ MAT モデルの予測精度・神経細胞モデルの開発 3 度の国際コンテストで優勝。現時点では世界最高。膜電位他の細胞へ入力 : 電流、 HH 出力 : スパイク膜電位電流 LIF 神経細胞予測精度 : 約 90% 予測精度電流パルス神経細胞 : 脳の構成要素 50 mV 1 nA ボトムアップアプローチ : コンピュータシミュレーションで脳機能を理解する . モデルポテンシャル MAT HH LIF MAT シミュレーションには正確な神経細胞モデルが必要 0.1 s 参考文献 : Kobayashi et. al., 2009, Front. Comput. Neurosci. Gerstner & Naud 2009, Science. ② データマイニング手法の開発共同研究者 : Petr Lansky, 篠本　滋 , 北野勝則・神経細胞間の情報のやり取りを抽出・神経回路の回路図を推定興奮性入力最尤法膜電位の変化 = 興奮性ー抑制性膜電位 V(t) 膜電位だけから興奮性、抑制性入力を推定したい。尤度抑制性入力神経細胞データマイニング技術を開発実験データからシナプス結合を推定 (Kobayashi et. al., NIPS 2011) 膜電位モデル神経回路 V(t) [mV] 一定 [KHz] ベイズ推定振動振動振動興奮性 , 抑制性興奮性抑制性データ計測シナプス結合推定 -60 -70 -80 100 [KHz] 50 100 50 0 参考文献 : Kobayashi et. al., 2011, Neural Comput. Kobayashi et. al., 2011, NIPS 連絡先： 1 2 3 Time [s] 4 参考文献 : Kobayashi & Kitano, 2013, J. Comput. Neurosci. 小林亮太　／国立情報学研究所　情報学プリンシプル研究系 TEL : 03-4212-2535 FAX : 03-4212-2000 Email : [email protected]