経験に応じて神経回路が学習するしくみを理論的に解明したい。

豊泉 太郎豊泉 太郎

豊泉 太郎, Ph.D.

数理脳科学研究チーム チームリーダー
taro.toyoizumi [at] riken.jp

研究内容

当研究チームは、数理モデルの解析を通して、脳の情報処理機構および神経回路が環境に対して適応・学習するメカニズムの研究をしています。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ます。

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ます。当研究チームは、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ます。更に、その結果形成される神経回路がどのような情報表現や情報保持の性能を持つかを回路の持つ構造や振る舞いから予測します。

研究主分野

情報学

研究関連分野

複合領域 / 工学 / 総合生物

キーワード

主要論文

  1. Isomura T and Toyoizumi T.:
    "Error-Gated Hebbian Rule: A Local Learning Rule for Principal and Independent Component Analysis"
    Scientific Reports , 8, 1835 (2018)
  2. 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)
  3. Kuśmierz Ł and Toyoizumi T.:
    "Emergence of Lévy walks from second-order stochastic optimization"
    Physical Review Letters , 119, 250601 (2017)
  4. Tajima S, Mita T, Bakkum D, Takahashi H, and and Toyoizumi T.:
    "Locally embedded presages of global network bursts"
    Proc. Natl. Acad. Sci, 114, 9517-9522 (2017)
  5. Huang H and Toyoizumi T.:
    "Clustering of neural code words revealed by a first-order phase transition"
    Physical Review E, 93, 062416 (2016)
  6. Shimazaki H, Sadeghi K, Ishikawa T, Ikegaya Y, and Toyoizumi T.:
    "Simultaneous silence organizes structured higher-order interactions in neural populations."
    Sci Rep, 5, 9821 (2015)
  7. Toyoizumi T, Kaneko M, Stryker MP, and Miller KD.:
    "Modeling the dynamic interaction of Hebbian and homeostatic plasticity"
    Neuron, 84(2), 497-510 (2014)
  8. 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(1), 51-63 (2013)
  9. 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(5), 051908 (2011)
  10. Toyoizumi T, Aihara K, and Amari S.:
    "Fisher information for spike-based population decoding."
    Phys Rev Lett, 97(9), 98102 (2006)
  11. * 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 U S A, 102(14), 5239-44 (2005)