1. HOME
  2. 応用脳科学アカデミー
  3. 2024年度
  4. Information theoretical approaches to model synaptic plasticity：豊泉 太郎（理化学研究所 脳神経科学研究センター 数理脳科学研究チーム チームリーダー）

応用脳科学アカデミー

2024年度

Information theoretical approaches to model synaptic plasticity：豊泉 太郎（理化学研究所 脳神経科学研究センター 数理脳科学研究チーム チームリーダー）

本講義では神経細胞間の情報伝達を担うシナプス結合の効果で生じる神経活動のカオスに着目した数理モデルをご紹介します。このモデルでは、感覚入力がたとえ一定であっても、シナプス結合による神経細胞間の相互作用を使って時間とともに揺らぐ神経活動を積極的に生成します。このように生成された神経活動は微小な変動による誤差が将来の大きな誤差に拡大するバタフライ効果と呼ばれる性質を有します。従来の研究では、カオスは情報処理にとって不利益であると解釈されていましたが、本講義ではカオスを利用してベイズ計算を行う脳型モデルを提案します。学習後、リカレントネットワークは複数の感覚入力を統合し、カオスを利用したサンプリングによって環境変数の事後分布を表現するようになり、一部の感覚入力がない状況でも学習結果を汎化するようになりました。このことは、脳がカオスによる揺らぎを用いた生成機械である可能性を示唆しています。

講師

豊泉 太郎 先生
理化学研究所 脳神経科学研究センター 数理脳科学研究チーム チームリーダー

日時

2024年11月12日（火）13:00～17:30（12:40より受付開始）第2部 14:20～15:30
当日の全体スケジュールはこちらをご覧ください。

場所

ハイブリッド開催（会場：株式会社NTTデータ経営研究所会議室（千代田区平河町（地図）＆Zoom）

お問い合せ先

本講義に関するご質問等は、「各種お問い合わせフォーム」より、お問い合わせください。

講師紹介

豊泉 太郎（とよいずみ たろう）先生

現職

  • 理化学研究所 脳神経科学研究センター 数理脳科学研究チーム チームリーダー

経歴

  • 2001年3月　東京工業大学 理学部 物理学科 卒業
  • 2003年3月　東京大学大学院 新領域創成科学研究科 複雑理工学専攻 修士課程 修了
  • 2006年3月　東京大学大学院 新領域創成科学研究科 複雑理工学専攻 博士課程 修了
  • 2006年4月　日本学術振興会 ポスドク研究員（理化学研究所 脳科学総合研究センター，コロンビア大学 理論神経科学センター）
  • 2008年3月　The Robert Leet and Clara Guthrie Patterson Trust ポスドク研究員（コロンビア大学 理論神経科学センター）
  • 2010年4月　理化学研究所 脳科学総合研究センター 基礎科学特別研究員
  • 2011年4月　理化学研究所 脳科学総合研究センター チームリーダー
  • 2018年4月　理化学研究所 脳神経科学研究センター チームリーダー
  • 2019年4月　東京大学大学院 情報理工学系研究科 数理情報学専攻 連携教授

研究概要

数理モデルの解析を通して，脳の神経回路が環境に対して適応し，学習するメカニズムの研究をしている．統計力学や情報理論などで培われた解析技術をコンピュータシミュレーションと組み合わせることにより，神経回路網が適切に機能する為に必要な基本的原理の理解を目指している．特に，神経細胞がその活動に応じて自身の性質を変化させる現象（神経可塑性）は脳の学習，記憶，発達に大きな役割を果たしている．数理的なモデルを駆使して，細胞レベルから回路レベルの知見を包括する可塑性の理論の構築を目指している．更に，その結果形成される神経回路がどのような情報処理の性能を持つかを予測する．

主な業績

  • Terada Y and Toyoizumi T.: “Chaotic neural dynamics facilitate probabilistic computations through sampling”, Proc. Natl. Acad. Sci. USA 121, e2312992121 (2024), DOI:10.1073/pnas.2312992121.
  • Kang L and Toyoizumi T.: “Distinguishing examples while building concepts in hippocampal and artificial networks”, Nature Communications 15, 647 (2024), DOI:10.1038/s41467-024-44877-0.
  • Chan HK and Toyoizumi T.: “A multi-stage anticipated surprise model with dynamic expectation for economic decision-making”, Scientific Reports 14, 657 (2024), DOI:10.1038/s41598-023-50529-y.
  • Yoshida K and Toyoizumi T.: “Information maximization explains state-dependent synaptic plasticity and memory reorganization during non-rapid eye movement sleep”, PNAS Nexus 2, 1-13 (2023), DOI:10.1093/pnasnexus/pgac286.
  • Isomura T and Toyoizumi T.: “Dimensionality reduction to maximize prediction generalization capability” Nature Machine Intelligence 3, 434-446 (2021), 10.1038/s42256-021-00306-1
  • Kusmierz L., Ogawa S. and Toyoizumi T.: “Edge of chaos and avalanches in neural networks with haeavy-tailed synaptic weight distribution” Physical Review Letters, 125, 028101 (2020), 10.1103/PhysRevLett.125.028101
  • Legaspi R. and Toyoizumi T.: “A Bayesian psychophysics model of sense of agency” Nature Communications 10:4250 (2019), 10.1038/s41467-019-12170-0
  • Humble J., Hiratsuka K., Kasai H., and Toyoizumi T.: “Intrinsic Spine Dynamics Are Critical for Recurrent Network Learning in Models With and Without Autism Spectrum Disorder” Frontiers in Computational Neuroscience 13:38 (2019), 10.3389/fncom.2019.00038
  • Buckley C L and Toyoizumi T.: “A theory of how active behavior stabilizes neural activity: neural gain modulation by closed-loop environmental feedback” PLOS Computational Biology, 14, e1005926 (2018), 10.1371/journal.pcbi.1005926
  • Tajima S, Yanagawa T, Fujii N, Toyoizumi T.: “Untangling brain-wide dynamics in consciousness by cross-embedding”, PLOS Computational Biology 11, e1004537 (2015), DOI:10.1371/journal.pcbi.1004537.
  • Toyoizumi T, Kaneko M, Stryker MP, and Miller KD.: “Modeling the dynamic interaction of Hebbian and homeostatic plasticity” Neuron 84, 497-510 (2014), 10.1016/j.neuron.2014.09.036
  • Toyoizumi T, Miyamoto H, Yazaki-Sugiyama Y, Atapour N, Hensch TK, and Miller KD.: “A theory of the transition to critical period plasticity: inhibition selectively suppresses spontaneous activity.” Neuron 80, 51-63 (2013), 10.1016/j.neuron.2013.07.022
  • Toyoizumi T and Abbott LF.: “Beyond the edge of chaos: Amplification and temporal integration by recurrent networks in the chaotic regime” Physical Review E 84, 051908 (2011), 10.1103/PhysRevE.84.051908
  • Toyoizumi T, Aihara K and Amari S.: “Fisher Information for Spike-Based Population Decoding” Physical Review Letters 97, 098102 (2006), 10.1103/PhysRevLett.97.098102
  • Toyoizumi T, Pfister JP, Aihara K and Gerstner W.: “Generalized Bienenstock-Cooper-Munro rule for spiking neurons that maximizes information transmission” Proc. Natl. Acad. Sci. USA 102, 5239-5244 (2005), 10.1073/pnas.0500495102

             

関連講義