教員紹介
豊泉 太郎（とよいずみ たろう）
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