Toshitake Asabuki 研究室
主宰者:Toshitake Asabuki
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、脳が感覚経験をどのように内部に取り込み、それを自発的な神経活動に反映させるかを研究しています。具体的には、環境の時間的な規則性を学習し、予測可能な情報を神経回路の安定した内部ダイナミクスに組み込む仕組みを明らかにすることが主な目標です。このプロセスでは、シナプス可塑性(神経細胞間の結合強度が経験に応じて変化する現象)が重要な役割を果たします。予測に基づく局所的な学習規則を通じて、脳は環境の統計的構造を内部モデルとして獲得し、それが自発活動に反映されると考えられています。
研究の手法としては、スパイク神経ネットワークという生物学的な神経細胞のモデルを用いた計算的アプローチを採用しています。特に樹状突起(神経細胞の入力を受け取る部位)の役割や、興奮性・抑制性シナプスの可塑性の仕組みを調査することで、生物学的に実現可能な学習メカニズムの解明を目指しています。これらのモデルは脳の実測データとも照らし合わせられています。
主要な発見として、複数の学習課題において、神経集団が直交した部分空間に異なるスキルの情報を整理することで、新しい技能を学習する際に以前学んだ行動を失わないような工夫があることが示されています。また、予測可能な刺激の成分は自発活動に統合される一方、予測困難な変動は除外されるという選別的な組み込みも確認されています。
※ 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)
- 医学Masamine Jimba 研究室東京大学論文 110 件·共通: プロセス・反応, 化学工学, プロセス, 環境保全 +4
- 医学Takeo Nakayama 研究室京都大学論文 100 件·共通: 行動, 環境保全, 環境科学, 環境 +7
- 工学Yusuke Hayashi 研究室東京大学論文 120 件·共通: プロセス・反応, 化学工学, プロセス, 学習 +6
- 計算機科学Hajime Asama 研究室東京大学論文 183 件·共通: 行動, 環境保全, 環境科学, 環境 +6
- 工学Shin’ichi Warisawa 研究室東京大学論文 131 件·共通: 行動, 環境保全, 環境科学, 環境 +6
- 農学・生物科学Yoshinori Ikenaka 研究室Hokkaido University Hospital論文 100 件·共通: 行動, 環境保全, 環境科学, 環境 +6
- 工学Keisuke Maeda 研究室北海道大学論文 100 件·共通: 環境保全, 環境科学, 環境, 学習 +6
- 数学Daisuke Yoneoka 研究室東京大学論文 163 件·共通: 行動, 環境保全, 環境科学, 環境 +5
研究成果(12 件)
- DOI: https://doi.org/10.64898/2026.04.19.719506
- [2026] Learning sculpts orthogonal task manifolds for continual skill learning in recurrent networksDOI: https://doi.org/10.64898/2026.02.15.705283
- DOI: https://doi.org/10.1038/s41467-025-61309-9
- DOI: https://doi.org/10.1073/pnas.2414674122
- [2025] Predictive learning rules generate a cortical-like replay of probabilistic sensory experiencesDOI: https://doi.org/10.7554/elife.92712.3
- DOI: https://doi.org/10.7554/elife.95243.3
- [2024] Predictive learning rules generate a cortical-like replay of probabilistic sensory experiencesDOI: https://doi.org/10.7554/elife.92712
- DOI: https://doi.org/10.7554/elife.95243
- [2022] Neural circuit mechanisms of hierarchical sequence learning tested on large-scale recording dataDOI: https://doi.org/10.1371/journal.pcbi.1010214
- [2022] Modeling the Repetition-Based Recovering of Acoustic and Visual Sources With Dendritic NeuronsDOI: https://doi.org/10.3389/fnins.2022.855753
続きを表示(残り 2 件)閉じる
- [2022] Intrinsic bursts facilitate learning of Lévy flight movements in recurrent neural network modelsDOI: https://doi.org/10.1038/s41598-022-08953-z
- DOI: https://doi.org/10.1609/aaai.v35i11.17201
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)。