香取 勇一

香取研究室のページ（←詳細・新着情報はこちら）

研究ビジョン

知能とは、静的な計算規則ではなく、時間とともに変化するダイナミクスの中に現れる現象であると考えています。

本研究では、神経回路を高次元の非線形動的システムとして捉え、情報の表現・統合・予測・再編成がどのように生じるのかを力学系理論に基づいて解明します。アトラクタ構造の再構成、分岐現象、カオスダイナミクスといった概念を通じて、脳における柔軟な情報処理の原理を統一的に記述することを目指しています。

さらに、これらの動的原理をリザバーコンピューティングや物理リザバーへ展開し、エネルギー効率に優れた脳型人工知能（Brain-inspired AI）の設計原理を確立することを目標としています。理論解析・数値計算・実験的検証を横断し、ダイナミクスに基づく知能科学の体系化を目指します。

研究内容

本研究室では、非線形ダイナミクスおよび力学系理論を基盤とし、神経回路モデルの理論解析と計算機実装を通じて、脳の情報処理原理の解明と人工知能への応用を行っています。

脳は多数の神経細胞が相互作用する非線形動的ネットワークであり、その振る舞いは時間的文脈を含む複雑な構造を持ちます。本研究では、数理モデルの構築、分岐解析、数値シミュレーションを通じて、動的情報処理の機構を明らかにします。

特に、リザバーコンピューティング（Reservoir Computing）を中心とした時系列情報処理モデルの理論構築と応用展開に取り組んでいます。予測符号化や多感覚統合といった概念を動的ネットワークとして記述し、さらに物理リザバーや超低消費電力エッジAIへの応用を視野に入れています。

主な研究テーマ

非線形力学系に基づく神経回路モデルの解析
リザバーコンピューティングの理論と応用
予測符号化と動的情報処理
前頭前野における表現切替の力学的解析
生体神経回路を用いた物理リザバー計算

実績

動的予測符号化とリザバー計算の統合による多感覚音声認識モデル

予測符号化理論とリザバーコンピューティングを統合した階層型神経回路モデルを提案し、多感覚音声認識課題においてノイズ環境下でも頑健な性能を実証しました。感覚信頼度に応じた重み付け機構を動的ネットワークに組み込み、再帰結合が時間文脈情報を抽出する仕組みを明らかにしました。多感覚統合を「動的予測過程」として記述する理論的枠組みを提示しています。

生体神経回路を用いた物理リザバー計算の実証

培養神経回路網の多細胞応答を光遺伝学刺激およびカルシウムイメージングにより計測し、リザバー計算フレームワークで解析しました。モジュール構造を持つ生体神経回路が短期記憶特性を活用して音声分類を実現できることを示し、さらに内部ダイナミクスが「汎化フィルタ」として機能することを実証しました。生体神経回路に基づく物理リザバー実装の基盤を築く成果です。

前頭前野モデルにおける表現切替の動力学的機構の解明

動的シナプスを含むスパイキング神経回路モデルを構築し、前頭前野における表現切替現象を再現しました。複数のアトラクタ集合がタスク文脈に応じて再編成される過程を、力学系の分岐現象として理論的に解析しました。柔軟な認知機能を支える神経回路機構をダイナミクスの再組織化として記述する枠組みを提示しています。

擬似ビリヤード系に基づく高次元動的リザバーの提案

ハイパーキューブ内の擬似ビリヤードダイナミクスを利用した新しいリザバー構造を提案しました。カオス的時間発展を制御可能な形で利用し、エコーステート性を保証する機構を導入しました。連続時間ダイナミクスを活用した時間領域情報処理の新原理を示し、ハードウェア実装への応用可能性を提示しています。

主な著作・論文

Yoshihiro Yonemura, Yuichi Katori, “Dynamical predictive coding with reservoir computing performs noise-robust multi-sensory speech recognition,” Frontiers in Computational Neuroscience, 18, 1464603 (12pages), DOI:10.3389/fncom.2024.1464603, (2024).
Takuma Sumi, Hideaki Yamamoto, Yuichi Katori, Koki Ito, Satoshi Moriya, Tomohiro Konno, Shigeo Sato, Ayumi Hirano-Iwata, “Biological neurons act as generalization filters in reservoir computing,” The Proceedings of the National Academy of Sciences (PNAS), 120, (25), e2217008120 (10 pages), DOI:10.1073/pnas.2217008120, (2023).
Yoshihiro Yonemura, Yuichi Katori, “Network Model of Predictive Coding Based on Reservoir Computing for Multi-Modal Processing of Visual and Auditory Signals,” Nonlinear Theory and Its Applications, IEICE, 12, (2), pp.143-156, DOI:10.1587/nolta.12.143, (2021).
Keita Tokuda, Naoya Fujiwara, Akihito Sudo, Yuichi Katori, “Chaos may enhance expressivity in cerebellar granular layer,” Neural Networks, 136, pp.72-86, DOI:10.1016/j.neunet.2020.12.020, (2021)(※日本神経回路学会論文賞受賞).
Yuichi Katori, Hakaru Tamukoh, Takashi Morie, “Reservoir Computing Based on Dynamics of Pseudo-Billiard System in Hypercube,” 2019 International Joint Conference on Neural Network (IJCNN2019), N-20372 (8 pages), (2019)(※IJCNN2019 Best Paper Award受賞).
Yuichi Katori, Kazuhiro Sakamoto, Naohiro Saito, Jun Tanji, Hajime Mushiake, Kazuyuki Aihara, “Representational Switching by Dynamical Reorganization of Attractor Structure in a Network Model of the Prefrontal Cortex,” PLoS Computational Biology, 7, (11), e1002266 (17 pages), DOI:10.1371/journal.pcbi.1002266, (2011).
Yuichi Katori, Eric J. Lang, Miho Onizuka, Mistuo Kawato, Kazuyuki Aihara, “Quantitative Modeling on Spatio-temporal Dynamics of Inferior Olive Neurons with Simple Conductance-based Model,” International Journal of Bifurcation and Chaos, 20, (3), pp.583-603, DOI:10.1142/S0218127410025909, (2009).
香取勇一、書籍の章：「神経回路の数理モデル」、『応用数理ハンドブック』、朝倉書店、　ISBN:978-4-254-11141-5,（2013年）
合原一究、辻繁樹、香取勇一、合原一幸、書籍の章：「脳の数理モデリング」、『現象数理学入門』東京大学出版会、ISBN:978-4130629164、（2013年）