研究内容
ニューラルネットワークモデルや神経細胞活動のデータ同化モデルを用いて、マクロな神経系の挙動と機能との関係解明をめざす。
研究の魅力
複雑でとりとめも無い神経活動がどのように高度な認知機能を生むのか?問題の定義すらよくわからない問いに、モデルや数理科学、データ解析、なんでも使ってアプローチできる面白さが魅力、でしょうか。
実績
- 平成21年 3月 東京大学総合文化研究科広域科学専攻奨励賞
- 平成22年11月 ICONIP2010 Best Student Award
- 平成25年 2月 井上研究奨励賞
- 平成28年 7月 日本神経回路学会論文賞
主な著作・論文
- Tomoki Kurikawa, and Kunihiko Kaneko, Generation of context dependent sequences by multiple-timescale neural network through successive bifurcations, Frontiers in Computational Neuroscience, 2021, in press, doi: 10.3389/fncom.2021.743537
- Tomoki Kurikawa, Kenji Mizuseki, Tomoki Fukai, Oscillation-driven memory encoding, maintenance and recall in an entorhinal-hippocampal circuit model, Cerebral Cortex, 31.4, 2038-2057, 2021
- Tomoki Kurikawa, Omri Barak, and Kunihiko Kaneko, Repeated sequential learning increases memory capacity via effective decorrelation in a recurrent neural network, Physical review research, 2, 023307, 2020
- Tomoki Kurikawa, Tatsuya Haga, Takashi Handa, Rie Harukuni and Tomoki Fukai, Neuronal stability in medial frontal cortex sets individual variability in decision-making. Nature Neurosci, vol 21, p1764-1773, 2018