2025年1月23日 NEW!

共著論文が米国Willey社Psychiatry and Clinical Neurosciences (PCN)誌の2024年Editor’s Choice papersの3つのうちの1つに選出されました ⇒ 選出された論文はこちら

 

2024年10月17日

大阪科学技術センター機関誌 the OSTEC（ジ・オステック）2024年秋号より「脳を物理学的な観点から研究。精神医療にも福音」を公開しました。
⇒Japanese Papers

 

2024年10月7日

メンタルヘルスマガジンこころの元気＋2024年10月号より「脳科学とAIで心の元気に貢献する」を公開しました。
⇒Japanese Papers

 

2024年4月12日 

Neuroscience Research最新号表紙に論文で使用した図が掲載されました　 ⇒論文はこちら

2024年3月27日

 共著論文が米国 Wiley社から2022年最もダウンロード数の多かった論文の1つに選出されました　 ⇒受賞論文はこちら

Psychiatry and Clinical Neurosciences（PCN）は、国際的な精神医学専門ジャーナルです。1933年創刊以来、精神医学全般および臨床神経科学に関する優れた論文を世界に発信してきました。

2023年8月3日

Nature記事広告特集「Focal Point on Brain Science in Japan」が公開 ⇒NEWS

2022年10月1日

上毛新聞に特集記事が掲載されました ⇒NEWS

2022年8月4日

6月27日の第112回（令和4年）日本学士院賞授賞式の写真を掲載しました ⇒NEWS

2022年3月16日

公益財団法人電気通信普及財団より “第 37 回電気通信普及財団賞(テレコム学際研究賞 奨励賞)”を受賞しました ⇒NEWS

2022年3月14日

第112回（令和4年）日本学士院賞を受賞しました
⇒NEWS

2021年5月14日

學士會会報掲載論文「脳科学とAIでこころの不安に打ち克つ」を公開しました。
⇒Japanese Papers

---

４つの研究パラダイムと主な共同研究者

ATRに出向していたNTTの五味裕章さんらと発展させた小脳内部モデル[1,2]、ATRに私を招いて下さった乾敏郎先生と提案した順逆光学モデル[3]、Daniel Wolpertさんらと提案しNeural Networks誌に掲載したMOSAIC[4]などがあります。

ロボットに脳のモデルを埋め込むと言う斬新なパラダイムを、ERATO学習動態プロジェクトのグループリーダを務めてくれたStefan Schaalさん、ICORP計算脳プロジェクトの米国側の相方のChristopher AtkesonさんとグループリーダのGordon Chengさん等と構築しました[5]。現在ATR脳情報研究所ブレインロボットインタフェース研究室・室長の森本淳さんがMiguel Nicolelisさんと行った、Duke大学のサルとATRのヒューマノイドをインターネットで双方向に繋いで、ブレインマシンインタフェースによって歩行させる実験が印象深かったです[6]。

様々な計算モデルを実験で検証することや、理論にもとづく実験を行う事が出来ました。当時電総研におられた河野憲二先生の研究グループと共同で小脳内部モデル仮説を検証することが出来たのはとても幸運でした[7,8]。五味裕章さん、大須理英子さんやEtienne Burdetさんらとはロボットマニピュランダム[9,10]、今水寛さん等とはfMRI[11]を用いた実験にも手を付けるようになり、強化学習モデルに基づくfMRI実験については、私と銅谷賢治さん、春野雅彦さんが、世界で初めてcomputational model based neuroimagingと言う用語を使いました [12,13]。

超多次元のデータを多数のサンプルについて計測し、機械学習を応用して脳科学を精密科学にするという方向性が有望だと感じています。例えば安静時脳活動を複数のモダリティーで長時間計測する精密な実験、患者さんを含む2千人の脳ビッグデータ[14]、David Marr流の計算理論と脳ダイナミクスモデルが初めて統合される兆しがあること、柴田和久さん、渡邊武郎先生、佐々木由香先生と共同で開発したDecoded Neurofeedback[15]や、福田めぐみさんが中心になって開発したFunctional Connectivity Neurofeedback[16]などの新しいツールを用いて脳活動から心への因果関係を明らかに出来る神経科学を構築したいと考えています[17]。

参考文献
[1] Kawato, M., Furukawa, K., Suzuki, R. (1987): A hierarchical neural-network model for control and learning of voluntary movement, Biological Cybernetics, Vol.57, pp.169-185.

[2] Kawato, M., Gomi, H. (1992): A computational model of four regions of the cerebellum based on feedback-error-learning, Biological Cybernetics, Vol.68, pp.95-103.

[3] Kawato, M., Hayakawa, H., Inui, T. (1993): A forward-inverse optics model of reciprocal connections between visual cortical areas, Network:Computation in Neural systems, Vol.4, pp.415-422.

[4] Wolpert, D., Kawato, M. (1998): Multiple paired forward and inverse models for motor control, Neural Networks, Vol.11, pp.1317-1329.

[5] Atkeson, CG., Hale, J., Pollick, F., Riley, M., Kotosaka, S., Schaal, S., Shibata, T., Tevatia, G., Vijayakumar, S., Ude, A., Kawato, M. (2000): Using humanoid robots to study human behavior, IEEE Intelligent Systems: Special Issue on Humanoid Robotics, Vol.15, pp.46-56.

[6] Morimoto, J., Kawato, M. (2015): Creating the brain and interacting with the brain: an integrated approach to understanding the brain, Journal of the Royal Society Interface, Vol.12, 20141250.

[7] Shidara, M., Kawano, K., Gomi, H., Kawato, M. (1993): Inverse-dynamics model eye movement control by purkinje cells in the cerebellum, Nature, Vol.365, pp.50-52.

[8] Kawato, M. (1999): Internal models for motor control and trajectory planning, Current Opinion in Neurobiology, Vol.9, pp.718-727.

[9] Gomi, H., Kawato, M. (1996): Equilibrium-point control hypothesis examined by measured arm-stiffness during multijoint movement, Science, Vol.272, pp.117-120.

[10] Burdet, E., Osu, R., Franklin, D., Milner, T., Kawato, M. (2001): The central nervous system stabilizes unstable dynamics by learning optimal impedance, Nature, Vol.414, pp.446-449.

[11] Imamizu, H., Miyauchi, S., Tamada, T., Sasaki, Y., Takino, R., Puetz, B., Yoshioka, T., Kawato, M. (2000): Human cerebellar activity reflecting an acquired internal model of a new tool, Nature, Vol.403, pp.192-195.

[12] Haruno, M., Kuroda, T., Doya, K., Toyama, K., Kimura, M., Samejima, K., Imamizu, H., Kawato, M. (2004): A neural correlate of reward-based behavioral learning in caudate nucleus: a functional magnetic resonance imaging study of a stochastic decision task, Journal of Neuroscience, Vol.24, pp.1660-1665.

[13] Haruno, M., Kawato, M. (2006): Different neural correlates of reward expectation and reward expectation error in the putamen and caudate nucleus during stimulus-action-reward association learning, Journal of Neurophysiology, Vol.95, pp.948-959.

[14] Yahata, N., Morimoto, J., Hashimoto, R., Lisi, G., Shibata, K., Kawakubo, Y., Kuwabara, H., Kuroda, M., Yamada, T., Megumi, F., Imamizu, H., Nanez, JE., Takahashi, H., Okamoto, Y., Kasai, K., Kato, N., Sasaki, Y., Watanabe, T., Kawato, M. (2016): A small number of abnormal brain connections predicts adult autism spectrum disorder, Nature Communications, Vol.7, p.11254.

[15] Shibata, K., Watanabe, T., Sasaki, Y., Kawato, M. (2011): Perceptual learning incepted by decoded fMRI neurofeedback without stimulus presentation, Science, Vol.334, No.6061, pp.1413-1415

[16] Megumi, F., Yamashita, A., Kawato, M., Imamizu, H. (2015): Functional MRI neurofeedback training on connectivity between two regions induces long-lasting changes in intrinsic functional network, Frontiers in Human Neuroscience, Vol.9, p.160.

[17] Watanabe, T., Sasaki, Y., Shibata, K., Kawato, M. (2017): Advances in fMRI real-time neurofeedback, Trends in Cognitive Sciences, Vol.21, pp.997-1010