Miura lab

計算神経科学

——————————————————————————————————————

「生物学的に”脳らしい”学習則を用いた深層学習」

あらゆる社会基盤に革新をもたらした深層学習は、シナプス重みを更新するための学習則として誤差逆伝播法（バックプロパゲーション, BP）を用いることで、高い精度を実現しています。深層学習で使われるニューラルネットワークは脳を模した学習機械ではありますが、誤差逆伝播法は複雑な配線を必要とするため、生物の脳では実現が難しいことが知られています（あるシナプス重みを更新する際に、離れた場所のシナプス重みの情報が必要となる）。

そこで本研究室においては、代替学習則として、隣接する２つのニューロンで手に入る情報だけを元に、それらを繋ぐシナプスの重みを更新する局所学習則を提案しました(Konishiら,2023; 2024)。これらの学習則は、誤差逆伝播法やフィードバックアラインメントと呼ばれる方法の自然な改良であり、MNISTやCIFAR10データセットにおける画像認識および、ノイズ除去などの画像変換において、誤差逆伝播法に匹敵する精度を示します。

将来的には、精度はわずかに低くても”脳らしく”並列実装できることで、汎用のCPUやGPUの代わりに、深層学習専用に超高速な脳型計算機を開発することも可能となります。

　生命情報系の教育も充実しています。従来からの本学科自慢の実験・実習に加えて、新たに生命データ解析に役立つ生物統計学や機械学習、深層学習等も演習で体系的に体得できるカリキュラムとなりました。生命系２学科に計算生物・情報生命分野の４研究室が新たに立ち上がり、教員数も充実しました。

——————————————————————————————————————