Taro Toyoizumi 研究室
主宰者：Taro Toyoizumi
東京大学
兼任：理化学研究所・RIKEN Center for Brain Science
AI 要約（直近 5 年の研究成果）
本研究室は、脳神経回路の情報処理の仕組みを理論と実験の両面から解明する研究を行っています。具体的には、脳がどのようにして高次元の感覚入力を低次元で扱いやすい形に変換し、記憶や判断に活用しているかを調べています。海馬や大脳皮質などの脳領域における神経細胞の活動パターンを記録・解析し、その背後にある計算原理を数理モデルで説明することで、脳の認知機能を理解しようとしています。
手法としては、マウスやラット、サルを対象とした電気生理学的記録と、人工ニューラルネットワークを用いた計算論的モデリングを組み合わせています。また、シナプス可塑性（神経細胞間の結合強度の変化）の操作や視覚学習実験など、多様なアプローチを用いることで、単一の神経細胞レベルから脳全体の機能まで多階層の現象を統一的に説明しようとしています。
主要な発見として、複数の入力経路や表現方式を組み合わせることで、脳は個別の経験と共通概念の両方を効率的に保持・処理していることが示唆されています。さらに、神経回路内の変動や混沌とした動きが、確率的推論や意思決定といった高度な計算を実装する上で重要な役割を果たしていることも明らかになっています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 神経科学Yuji Ikegaya 研究室東京大学論文 100 件·共通: 記憶, 認知, モデル動物, マウス +10
- 神経科学Toshiya Murai 研究室Kyoto University Hospital論文 100 件·共通: ネットワーク・セキュリティ, ネットワーク, 認知, 学習 +7
- 神経科学Kazuyuki Aihara 研究室東京大学論文 158 件·共通: ネットワーク・セキュリティ, ネットワーク, 学習, 情報工学 +7
- 生化学・分子生物学・遺伝学Makoto Arai 研究室東京大学論文 106 件·共通: モデル動物, マウス, 脳, 神経 +8
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: ネットワーク・セキュリティ, ネットワーク, 学習, 情報工学 +4
- 心理学Takeo Fujiwara 研究室東京大学論文 171 件·共通: ネットワーク, 認知, 脳, 情報工学 +4
- 農学・生物科学Daniel T. Blumstein 研究室東京大学論文 171 件·共通: ネットワーク・セキュリティ, ネットワーク, 情報工学, 認知・行動 +3
- 医学Satoru Miyano 研究室東京大学論文 100 件·共通: ネットワーク・セキュリティ, ネットワーク, 学習, 情報工学 +3
研究成果（29 件）
- DOI: https://doi.org/10.1126/sciadv.adp9048
- DOI: https://doi.org/10.7554/elife.97270
- DOI: https://doi.org/10.1126/sciadv.adp9048
- DOI: https://doi.org/10.1038/s41467-024-44877-0
- [2024] A multi-stage anticipated surprise model with dynamic expectation for economic decision-makingDOI: https://doi.org/10.1038/s41598-023-50529-y
- [2024] Prefrontal synaptic regulation of homeostatic sleep pressure revealed through synaptic chemogeneticsDOI: https://doi.org/10.1126/science.adl3043
- DOI: https://doi.org/10.1073/pnas.2312992121
- DOI: https://doi.org/10.1038/s41467-024-44877-0
- [2024] A multi-stage anticipated surprise model with dynamic expectation for economic decision-makingDOI: https://doi.org/10.1038/s41598-023-50529-y
- DOI: https://doi.org/10.1103/physrevresearch.5.043211
続きを表示（残り 19 件）閉じる
- DOI: https://doi.org/10.1103/physreve.108.054410
- DOI: https://doi.org/10.32470/ccn.2023.1117-0
- DOI: https://doi.org/10.1103/physrevresearch.5.043211
- DOI: https://doi.org/10.1103/physreve.108.054410
- DOI: https://doi.org/10.1016/j.isci.2022.105492
- DOI: https://doi.org/10.1016/s0893-6080(22)00490-7
- DOI: https://doi.org/10.1093/pnasnexus/pgac286
- DOI: https://doi.org/10.1016/s0893-6080(22)00490-7
- DOI: https://doi.org/10.1093/pnasnexus/pgac286
- DOI: https://doi.org/10.1162/neco_a_01542
- DOI: https://doi.org/10.1016/j.isci.2022.105492
- DOI: https://doi.org/10.1162/neco_a_01542
- DOI: https://doi.org/10.1103/physrevresearch.4.033089
- DOI: https://doi.org/10.1371/journal.pcbi.1008700
- [2021] Publisher Correction: Dimensionality reduction to maximize prediction generalization capabilityDOI: https://doi.org/10.1038/s42256-021-00352-9
- [2021] Publisher Correction: Dimensionality reduction to maximize prediction generalization capabilityDOI: https://doi.org/10.1038/s42256-021-00352-9
- [2021] On the Achievability of Blind Source Separation for High-Dimensional Nonlinear Source MixturesDOI: https://doi.org/10.1162/neco_a_01378
- DOI: https://doi.org/10.1371/journal.pcbi.1008700
- [2021] On the Achievability of Blind Source Separation for High-Dimensional Nonlinear Source MixturesDOI: https://doi.org/10.1162/neco_a_01378
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。