朝吹 俊丈, Ph.D.

研究内容

私たちの脳は、新しい情報や経験を学び、それを以前の知識と組み合わせながら柔軟に適応することができます。このプロセスには、脳で表現される情報を階層的に整理・抽象化して外界の構造を学習する能力が欠かせません。当研究室では、複数の神経回路が連携して階層的学習・情報処理を行うためのシナプス可塑性の数理モデルを構築します。数理モデルを用いて、これまでに得られている実験データを再現することで、柔軟な神経情報処理のしくみを理解することを目指します。

研究主分野

総合理工

研究関連分野

工学 / 情報学 / 複合領域 / 数物系科学 / 総合生物 / 計算論 / 学習 / 情報処理

キーワード

• 計算神経科学
• シナプス可塑性
• ニューラルネットワーク

主要論文

1. Asabuki, T. and Clopath, C.:
   “Taming the chaos gently: a predictive alignment learning rule in recurrent neural networks.”
   Nature Communications, 16: 6784. (2025).
   DOI: 10.1038/s41467-025-61309-9
2. Asabuki, T., Gillon, CJ., and Clopath, C.:
   “Learning predictive signals within a local recurrent circuit”
   PNAS, 122 (27) e2414674122. (2025).
   DOI: 10.1073/pnas.2414674122
3. Asabuki, T. and Clopath, C.:
   “Embedding stochastic dynamics of the environment in spontaneous activity by prediction-based plasticity.”
   eLife, 13:RP95243. (2025).
   DOI: 10.7554/eLife.95243
4. Asabuki, T. and Fukai, T.:
   “Predictive learning rules generate a cortical-like replay of probabilistic sensory experiences.”
   eLife, 13:RP92712. (2025).
   DOI: 10.7554/eLife.92712
5. Asabuki, T and Fukai, T.:
   “Somatodendritic consistency check for temporal feature segmentation.”
   Nature Communications, 11:1554. (2020).
   DOI: 10.1038/s41467-020-15367-w
6. Asabuki, T., Hiratani, T., and Fukai, T.:
   “Interactive reservoir computing for chunking information streams.”
   PLOS Computational Biology, 14(10): e1006400. (2018).
   DOI: 10.1371/journal.pcbi.1006400