システム情報工学コース 本郷キャンパス研究室見学会(2019年5月7日)


計数工学科システム情報工学コースでは、研究室見学会を以下のように開催します。
進学選択学生向けの見学会、および2019年度学術フロンティア講義「サイバネティクス入門」の本郷キャンパス研究室見学会を兼ねています。
興味のある方は是非ご参加ください。

日時:2019年5月7日(火曜日) 17時40分~
集合場所:本郷キャンパス工学部6号館1階 大会議室

詳細はこちらをご覧ください。

4研: 自律認識機械

◆実験内容:
 画像認識や音声認識を利用して何か面白い機能をもったシステムを製作する。

◆助教から学生へのアドバイス:
 生のデータにパターン認識を適用してみると、思いがけない困難によく直面します。色々な工夫を凝らしてそれを乗り越える楽しさをぜひ体験してください。

1研: 暗号技術を用いたシステム設計

◆実験内容:
 みんなでアイディアを出し合って、暗号技術等を駆使するようなシステム・おもちゃなどを作ってもらいます。例えば、お互いのテストの点数を開示せずに、どちらが勝っているかだけの情報を開示するような秘密計算プロトコルを実現するようなシステムの設計などを考えています。

◆助教から学生へのアドバイス:
 暗号技術など難しく考えずに、学生の自由な発想でアイディアを出していただければと思います。

6研: バーチャルネットベンチャー

実験内容:
この実験ではどの様に機械学習を社会へ役立てれば良いかアイディアを出してバーチャルな起業体験をしてもらいます.具体的にはインターネット上で公開されたオープンデータへ機械学習を適用したビジネスモデルの提案,そしてWebアプリ等としてシステムの実装までを行ってもらいます.最終報告会では投資家向けのプレゼンを意識して発表と質疑に挑んで下さい.
助教から学生へのアドバイス:
現在社会の様々なところで機械学習が応用されてきています.しかし機械学習を実社会の問題へ適用するには学術研究とは異なる困難が待ち受けています.機械学習に興味のある学生にとって,バーチャル起業体験でこの困難を肌で感じてもらうことは良い経験になると期待しています.

さくさくラズベリーパイを焼こう

◆実験内容
小型コンピュータRaspberry Piを活用したシステムを作ってもらいます.Raspberry Piを利用していることのみが条件で,あとは自由に作ってもらって構いません.過去には,Twitterのbotや,電子工作ガジェット,電光掲示板などがありました.2017年度以降の成果物は7研GitHubで公開されています.

◆助教から学生へのアドバイス
Raspberry Piから様々なセンサーを制御することで,現実世界と繋がったプログラミングの難しさ・楽しさを体験してください.また,GitHubを用いた現代的なソフトウェア開発も,ぜひ取得してほしいと思います.

豊泉 太郎

教員紹介

豊泉 太郎(とよいずみ たろう)
豊泉 太郎

東京大学大学院 情報理工学系研究科
数理情報学専攻
連携教授

理化学研究所 脳神経科学研究センター
チームリーダー

〒351-0198 埼玉県和光市広沢2-1
Tel: 048-467-9644
Fax: 048-467-9670

E-mail:taro.toyoizumi@riken.jp

[ホームページ]

略歴

2001年3月 東京工業大学 理学部 物理学科 卒業
2003年3月 東京大学大学院 新領域創成科学研究科 複雑理工学専攻 修士課程 修了
2006年3月 東京大学大学院 新領域創成科学研究科 複雑理工学専攻 博士課程 修了
2006年4月 日本学術振興会 ポスドク研究員(理化学研究所 脳科学総合研究センター,コロンビア大学 理論神経科学センター)
2008年3月 The Robert Leet and Clara Guthrie Patterson Trust ポスドク研究員(コロンビア大学 理論神経科学センター)
2010年4月 理化学研究所 脳科学総合研究センター 基礎科学特別研究員
2011年4月 理化学研究所 脳科学総合研究センター チームリーダー
2018年4月 理化学研究所 脳神経科学研究センター チームリーダー
2019年4月 東京大学大学院 情報理工学系研究科 数理情報学専攻 連携教授

研究テーマ

計算神経科学,情報統計力学,神経学習理論.

数理モデルの解析を通して,脳の神経回路が環境に対して適応し,学習するメカニズムの研究をしている.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る.特に,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る.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る.更に,その結果形成される神経回路がどのような情報処理の性能を持つかを予測する.

主な論文・著書

Isomura T and Toyoizumi T.: “Error-Gated Hebbian Rule: A Local Learning Rule for Principal and Independent Component Analysis” Scientific Reports , 8, 1835 (2018), doi:10.1038/s41598-018-20082-0

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), doi: 10.1371/journal.pcbi.1005926

Kuśmierz Ł and Toyoizumi T.: “Emergence of Lévy walks from second-order stochastic optimization” Physical Review Letters, 119, 250601 (2017), doi: 10.1103/PhysRevLett.119.250601

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), doi: 10.1073/pnas.1705981114

Huang H and Toyoizumi T.: “Clustering of neural code words revealed by a first-order phase transition” Physical Review E, 93, 062416 (2016), doi: 10.1103/PhysRevE.93.062416

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), doi: 10.1038/srep09821

Toyoizumi T, Kaneko M, Stryker MP, and Miller KD.: “Modeling the dynamic interaction of Hebbian and homeostatic plasticity” Neuron, 84(2), 497-510 (2014), doi: 10.1016/j.neuron.2014.09.036

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), doi: 10.1016/j.neuron.2013.07.022

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), doi: 10.1103/PhysRevE.84.051908

Toyoizumi T, Aihara K, and Amari S.: “Fisher information for spike-based population decoding.” Phys Rev Lett, 97(9), 98102 (2006), doi: 10.1103/PhysRevLett.97.098102

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), doi: 10.1073/pnas.0500495102

脳数理情報学連携研究室

脳数理情報学連携研究室 (理化学研究所)
Andrea Benucci
Andrea Benucci

教授
豊泉 太郎
豊泉 太郎

教授
感覚判断の予測と検証
感覚に基づく意思決定の観点から脳の計算原理を明らかにすることに関心があります。生物の神経回路の動態のモデルとして、人工ニューラルネットワークを用います。特に、マウスを対象に最先端のイメージング及び光遺伝学的技術を用いることで、モデルから導き出された予測の実験による検証に取り組みます。
 
計算神経科学
脳が環境に適応する際におこる学習メカニズムを研究しています。統計力学や情報理論などの理論的アプローチと実験データの解析とを組み合わせて、脳の情報処理が学習によってどのように変化するかを理解するとともに、その変化を説明する基本原理の解明を目指します。