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, 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. Ł. Kuśmierz, S. Ogawa, and T. Toyoizumi:
    "Edge of chaos and avalanches in neural networks with heavy-tailed synaptic weight distribution"
    Physical Review Letters 125, 028101 (2020).
    10.1103/PhysRevLett.125.028101
  2. Legaspi R. and Toyoizumi T.:
    "A Bayesian psychophysics model of sense of agency"
    Nature Communications 10:4250 (2019)
    10.1038/s41467-019-12170-0
  3. Humble J., Hiratsuka K., Kasai H., and Toyoizumi T.:
    "Intrinsic Spine Dynamics Are Critical for Recurrent Network Learning in Models With and Without Autism Spectrum Disorder"
    Frontiers in Computational Neuroscience 13:38 (2019)
    10.3389/fncom.2019.00038
  4. Isomura T and Toyoizumi T.:
    "Error-Gated Hebbian Rule: A Local Learning Rule for Principal and Independent Component Analysis"
    Scientific Reports , 8, 1835 (2018)
    10.1038/s41598-018-20082-0
  5. 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)
    10.1371/journal.pcbi.1005926
  6. Tajima S, Mita T, Bakkum D, Takahashi H, and Toyoizumi T.:
    "Locally embedded presages of global network bursts"
    Proc. Natl. Acad. Sci, 114, 9517-9522 (2017)
    10.1073/pnas.1705981114
  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)
    10.1016/j.neuron.2014.09.036
  8. 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)
    10.1103/PhysRevE.84.051908
  9. Toyoizumi T, Aihara K, and Amari S.:
    "Fisher information for spike-based population decoding."
    Phys Rev Lett, 97(9), 98102 (2006)
    10.1103/PhysRevLett.97.098102
  10. 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)
    10.1073/pnas.0500495102