北海道大学 大学院情報科学研究院

卒業生とその進路

脳の形態学・計算論に基づく柔らかな導電性ポリマーネットワークの構成論に関する研究


萩原 成基

2023 年度 卒 ／博士（情報科学）
2021年度〜2023年度: JST戦略的創造研究推進事業 ACT-X研究員, 令和4〜5年度 日本学術振興会特別研究員

博士論文の概要

本研究は，次世代の人工知能(Artificial intelligence: AI)処理を担うマテリアル知能の構築に向け，材料科学の観点に基づく化学実験と情報科学の観点に基づく理論研究を組み合わせた基礎研究と位置付けられる．

脳内情報処理を計算機上でシミュレートする従来のAI研究のアプローチに対し，材料固有の物性を巧みに利用することで人工脳が物理的にエミュレートされた「マテリアル知能」の実現に関する試みは近年数多くなされている．例えば応用研究のレベルでは，半導体や有機材料ベースで構成される抵抗変化メモリが，これまでAI技術の発展に大きく貢献してきた人工ニューラルネットワーク(Artificial neural network: ANN)の物理実装の枠組みにシナプス素子として組み込まれることで，AI処理の高速化や省電力化を可能としてきた．また基礎研究のレベルでは，分子ネットワーク内部の非線形な電気伝導ダイナミクスを利用したリザバー計算や神経スパイク模倣素子など，多岐にわたる材料の脳型計算への利用可能性が見出されつつある．

マテリアル知能の実現に向けた従来のアプローチにおける大きな課題として，(1)必要な材料及びデバイスを予め作り込んでおく必要があること，(2)その応用がANNの物理実装という工学的な枠組みに留まっていること，の2点が挙げられる．これを踏まえ本研究では，外部刺激を通じてその場形成可能な導電性ポリマーネットワークに着目し，発達過程における脳神経系の形態に学んだ3次元ネットワークのその場成長・学習を実験的に試みた．回路を予め作り込んでおくのではなく，材料の自己組織的な成長を通じて真に必要な情報処理回路のみをその場で形成させる点において既存研究と一線を画しており，回路の実装面積や形成プロセスの簡略化といった工学的な有用性も期待できる．また，本研究では既存のANNに代わるAIフレームワークとして，計算論的神経科学の分野で近年大きな盛り上がりを見せている自由エネルギー原理を採用し，脳の計算機構により即した高次の知覚演算システムをマテリアル知能として実現できないか検討した．これらの形態学的及び計算論的アプローチの融合を図り，生体へ貼り付けたり埋め込んだりすることのできる有機材料特有の物理的なフレキシビリティに加え，脳のように柔軟に知覚や学習を行いながら周囲の環境に適応できる柔らかなマテリアル知能の実現可能性を見出すことを本研究の目的とする．

脳の形態に学ぶアプローチとして，脳の発達過程においてみられる軸索誘導と呼ばれる脳神経ネットワークの形成過程に着目し，モノマー前駆体溶液中での電解重合成長により得られる導電性ポリマー細線の電極間配線を用いて，これに学んだ脳神経様ネットワークのその場形成を実験的に実現できないか検討した．その足掛かりとしてまず，マイクロ電極ギャップ間への1次元的なポリマー細線の液中配線を用いた電極間抵抗制御によるシナプス機能模倣を試みた．細線の配線本数や径，導電性といった物理化学的変化を外部電圧制御によって誘起し，長期増強及び短期可塑性といったシナプス機能を電極間抵抗変化により模倣し得ることを示した．

続いて，脳内で無数の神経細胞が織りなす階層的な3次元近傍結合構造に学び，導電性ポリマー細線の複数電極間高次元配線を試みた．2次元平面及び3次元立体空間上へ複数の電極を液中配置し，これらへ印加する重合電圧を制御することで所望の電極間へのみ選択的に細線を配線する技術を初めて確立した．これにより，情報処理に必要なネットワークを軸索誘導のごとく一からその場形成し得ることを示した．また，ネットワーク形成後の電極へ外部電圧を印加することでゲート効果による細線の導電性変化が誘起され，電圧スパイク印加に伴う側抑制的な抵抗変化やリザバー計算等に利用可能な非線形応答が観測された．これらの発見は，形成されたネットワークが生理学的にも妥当な情報処理能力を有していることを示唆している．

脳の計算論に学ぶアプローチとして，脳機能を変分自由エネルギー最小化の観点で統一的に記述可能な自由エネルギー原理に着目し，知覚や学習を本原理に基づき実行可能なマテリアル知能の理論モデルを構築した．脳の計算論的なモデルとして古くから知られる予測符号化を変分自由エネルギー最小化の観点からネットワークグラフの形で再記述し，近年のニューロモルフィック工学において提案されているリザバーや拡張Direct feedback alignmentといった，生理学的にも妥当なモデル及びアルゴリズムをこれに適用することで，マテリアル知能としての実装にも適した予測符号化ネットワークを構築した．入力された感覚信号に対する予測タスクを通じ，系全体の変分自由エネルギーを最小化しながら内部の信念を更新することで予測信号を生成可能な知覚演算システムを，マテリアル知能として実現し得ることが示された．また，変分自由エネルギーが定性的には予測の不確実さを表していることに着目し，これを異常検知のような弁別課題における尺度として用いることで工学的な応用が可能であることも示された．

学術論文

  1. Abe Y., Nakada K., Hagiwara N., Suzuki E., Suda K., Mochizuki S., Terasaki Y., Sasaki T., and Asai T., "Highly-integrable analogue reservoir circuits based on a simple cycle architecture," Scientific Reports, vol. 14, no. 1, 10966 (2024).
  2. Hagiwara N., Kunimi T., Ando K., Akai-Kasaya M., and Asai T., "Design and evaluation of brain-inspired predictive coding networks based on the free-energy principle for novel neuromorphic hardware," Nonlinear Theory and Its Applications, vol. E15-N, no. 1, pp. 107-118 (2024).
  3. Hagiwara N., Asai T., Ando K., and Akai-Kasaya M., "Fabrication and training of 3D conductive polymer networks for neuromorphic wetware," Advanced Functional Materials, vol. 33, no. 42, 02300903 (2023).
  4. Amemiya Y., Ali E.J., Hagiwara N., Akai-Kasaya M., and Asai T., "Heuristic model for configurable polymer wire synaptic devices," Nonlinear Theory and Its Applications, vol. E13-N, no. 2, pp. 379-384 (2022).
  5. Hagiwara N., Sekizaki S., Kuwahara Y., Asai T., and Akai-Kasaya M., "Long- and short-term conductance control of artificial polymer wire synapses," Polymers, vol. 13, no. 2, 312 (2021).
  6. Akai-Kasaya M., Hagiwara N., Hikita W., Okada M., Sugito Y., Kuwahara Y., and Asai T., "Evolving conductive polymer neural networks on wetware," Japanese Journal of Applied Physics, vol. 59, no. 5, 060601 (2020).

招待講演／セミナー

  1. 萩原 成基, "導電性ポリマーネットワークがもたらす柔らかな脳型ウェットウェア," 第258回JOEM研究会, オンライン, (Dec. 18, 2023).
  2. Akai-Kasaya M., Hagiwara N., Nakajima R., and Watanabe S., " Conductive polymer 3D networks and synaptic behavior training s for neuromorphic wetware," Neuromorphic Organic Devices, Hotel Elbresidenz, Bad Schandau, Germany (Sep. 18-20, 2023).
  3. Hagiwara N., "Conductive polymer neural networks for neuromorphic wetware," 2023 International Workshop on Neuromorphic Computing, Information Science and Technology, Hokkaido University, Sapporo, Japan (Jan. 18, 2023).
  4. Hagiwara N., Kan S., Asai T., and Akai-Kasaya M., "Construction of a neural network using organic materials and ions," The 29th International Workshop on Active-Matrix Flatpanel Displays and Devices (AM-FPD), Ryukoku University Avanti Kyoto Hall, (On line), Japan (Jul. 5-8, 2022).
  5. Hagiwara N., Kan S., Asai T., and Akai-Kasaya M., "Construction of a neural network using organic materials and ions," Proceeding:The 29th International Workshop on Active-Matrix Flatpanel Displays and Devices (AM-FPD), pp. 86-89, Ryukoku University Avanti Kyoto Hall, (On line), Japan (Jul. 5-8, 2022).
  6. Ali E.J., Amemiya Y., Hagiwara N., Akai-Kasaya M., and Asai T., "A comparison between simulations and experiments of neuromorphic devices using electropolymerization of conductive polymer nanowires," Joint Symposium of JSPS-DST Bilateral Research on Charge- and Spin-Blockade in Ultrathin-Layers of Single Molecule Magnets, online, Japan (Feb. 24, 2021).
  7. Hagiwara N., Sekizaki S., Asai T., and Akai-Kasaya M., "Long- and Short-term Conductance Control of Conductive Polymer Wire Synapses," Joint Symposium of JSPS-DST Bilateral Research on Charge- and Spin-Blockade in Ultrathin-Layers of Single Molecule Magnets, Online, Japan (Feb. 24, 2021).

国際会議

  1. Hagiwara N., Abe Y., and Asai T., "Highly-integrable analogue reservoir circuits based on a simple cycle architecture," The 5th International Symposium on Neuromorphic AI Hardware, RIHGA Royal Hotel Kokura, Kitakyushu, Japan (Mar. 1-2, 2024).
  2. Kunimi T., Hagiwara N., Ando K., and Asai T., "A novel dynamic predictive coding network with augmented direct feedback alignment towards its physical implementation," The 5th International Symposium on Neuromorphic AI Hardware, RIHGA Royal Hotel Kokura, Kitakyushu, Japan (Mar. 1-2, 2024).
  3. Kunimi T., Hagiwara N., Ando K., and Asai T., "Out-of-distribution data detection applying predictive coding networks and their variational free energy," The 10th Anniversary Korea-Japan Joint Workshop on Complex Communication Sciences (KJCCS 2024), Kamenoi Hotel, Beppu, Japan (Jan. 29-31, 2024).
  4. Watanabe S., Hagiwara N., Shibakita H., Zhou Y., Kato H., and Akai-Kasaya M., "Study of synaptic PEDOT:PSS wire in electrolyte solutions," The 36th International Microprocesses and Nanotechnology Conference (MNC 2023), Keio Plaza Hotel Sapporo, Sapporo, Japan (Nov. 14-17, 2023).
  5. Hagiwara N., Asai T., Ando K., and Akai-Kasaya M., "Growth of 3D conductive polymer fiber networks towards neuromorphic wetware," Neuromorphic Organic Devices, Hotel Elbresidenz, Bad Schandau, Germany (Sep. 18-20, 2023).
  6. Hagiwara N., Asai T., Ando K., and Akai-Kasaya M., "3D conductive polymer wiring synapses for neuromorphic wetware," The 4th International Symposium on Neuromorphic AI Hardware, ART HOTEL Kokura New Tagawa, Kitakyushu, Japan (Dec. 13-14, 2022).
  7. Hagiwara N., Asai T., and Akai-Kasaya M., "Multi-synaptic conductance control using conductive polymer wiring," 2022 IEEE Silicon Nanoelectronics Workshop, Hilton Hawaiian Village, Honolulu, USA (Jun. 11-12, 2022).
  8. Hagiwara N., Amemiya Y., Ali E.J., Asai T., and Akai-Kasaya M., "Feasibility of neuromorphic wetware using configurable polymer networks," The 10th RIEC International Symposium on Brain Functions and Brain Computer, Online, (Feb. 18-19, 2022).
  9. Amemiya Y., Ali E.J., Hagiwara N., Akai-Kasaya M., and Asai T., "A heuristic model for configurable polymer-wire synaptic devices," The 2021 Nonlinear Science Workshop, Online (Dec. 6-8, 2021).
  10. Hagiwara N., Asai T., and Akai-Kasaya M., "Conductance control of free-wiring conductive polymer synapses," The 4th International Conference on Memristive Materials, Devices & Systems (MEMRISYS 2021), Online, Japan (Nov. 1-4, 2021).
  11. Hagiwara N., Okada M., Sugito Y., Asai T., Kuwahara Y., and Akai-Kasaya M., "Examination of machine learning using conductive polymer wires as nonvolatile resistance change elements," Dynamics Days 2020, Hilton Hartford, Hartford, USA (Jan. 3-5, 2020).

受賞

  1. 萩原 成基, 令和5年度北海道大学大学院情報科学院 - 学院長賞（博士）, 2024年3月23日.
  2. Hagiwara N., Asai T., Ando K., and Akai-Kasaya M., "Growth of 3D conductive polymer fiber networks towards neuromorphic wetware," The 3rd Workshop on Neuromorphic Organic Devices and Systems - Poster-Award for the 3rd place, Sep. 20, 2023.
  3. 萩原 成基, "立体配線型メモリ素子を用いた高実装効率なエッジ向け深層学習アクセラレータの検討," 第35回回路とシステムワークショップ - 奨励賞, 2023年2月14日.
  4. Hagiwara N., "3D conductive polymer wiring synapses for neuromorphic wetware," The 4th International Symposium of Neuromorphic AI Hardware - Student Presentation Award, Dec. 14, 2022.

国内学会

  1. 渡部 誠也, 萩原 成基, 柴北 洋明, 周 陽, 加藤 浩之, 赤井 恵, "PEDOT:PSS ワイヤーシナプス素子の導電挙動に電解質イオンが及ぼす影響," 第84回応用物理学会秋季学術講演会, 熊本城ホール, (熊本), 2023年9月19-23日.
  2. 國見 峻史, 萩原 成基, 安藤 洸太, 赤井 恵, 浅井 哲也, "自由エネルギー原理に基づく予測符号化ネットワークへの 拡張DFA法の適用," 電子情報通信学会 ソサイエティ大会, 名古屋大学　東山キャンパス, (名古屋市), 2023年9月12-15日.
  3. 萩原 成基, 國見 峻史, 安藤 洸太, 赤井 恵, 浅井 哲也, "自由エネルギー原理に基づく予測符号化ネットワークのハードウェア実装," 電子情報通信学会複雑コミュニケーションサイエンス研究会, 北海道ルスツリゾートホテル&コンベンション, (北海道), 2023年3月26-27日.
  4. 萩原 成基, 安藤 洸太, 浅井 哲也, 赤井 恵, "脳型ウェットウェア創製に向けた3次元導電性ポリマーネットワークの構築及び学習," 第70回応用物理学会春季学術講演会, 上智大学, (東京), 2023年3月15-18日.
  5. 萩原 成基, 國見 峻史, 赤井 恵, 浅井 哲也, "自由エネルギー原理に基づく予測符号化ネットワーク回路の提案," JSPS研究拠点形成事業「マテリアル知能による革新的知覚演算システム」国内全体会議, 京都烏丸コンベンションホール, (京都), 2023年1月28-29日.
  6. 渡部 誠也, 萩原 成基, 柴北 洋明, 赤井 恵, "高分子シナプス素子の生理食塩水中における導電性評価," 第83回応用物理学会秋季学術講演会, 東北大学, (ハイブリッド開催), 2022年9月20-23日.
  7. 萩原 成基, 浅井 哲也, 赤井 恵, "立体配線型メモリ素子を用いた高実装効率なエッジ向け深層学習アクセラレータの検討," 第35回 回路とシステムワークショップ, 北九州国際会議場, (ハイブリッド開催), 2022年8月19-20日.
  8. 萩原 成基, 雨宮 佳希, アリ ホセ エミリアーノ, 浅井 哲也, 赤井 恵, "立体配線型メモリ素子で構成される新規脳型回路アーキテクチャの検討," 電子情報通信学会複雑コミュニケーションサイエンス研究会, 北海道 ルスツリゾートホテル&コンベンション, (ハイブリッド開催), 2022年3月27日.
  9. 萩原 成基, 浅井 哲也, 赤井 恵, "導電性ポリマーワイヤーシナプスの抵抗変化特性評価," 第82回応用物理学会秋季学術講演会, 名城大学＆オンライン, (ハイブリッド開催), 2021年9月10-13日.
  10. 萩原 成基, 関崎 翔馬, 桑原 裕司, 浅井 哲也, 赤井 恵, "長期・短期記憶を形成可能なポリマーワイヤーシナプスの創成," 第68回応用物理学会春季学術講演会, (オンライン開催), 2021年3月16-19日.
  11. 萩原 成基, 浅井 哲也, 桑原 裕司, 赤井 恵, "ウェットウェア創生に向けたポリマーシナプス素子の開発," 第81回応用物理学会秋季学術講演会, 9a-Z28-6, (オンライン開催), 2020年9月8-11日.
  12. 萩原 成基, 浅井 哲也, 桑原 裕司, 赤井 恵, "導電性ポリマーシナプス素子の開発," 第11回分子アーキテクトニクス研究会, (オンライン開催), 2020年7月23-24日.
  13. 杉戸 泰雅, 岡田 将, 萩原 成基, 桑原 裕司, 赤井 恵, "PEDOT:PSSワイヤーの成長機構の考察," 2019年度関西薄膜・表面物理セミナー, 京都府立ゼミナールハウス あうる京北, (日本), 2019年11月15-16日.
  14. 萩原 成基, 岡田 将, 杉戸 泰雅, 浅井 哲也, 桑原 裕司, 赤井 恵, "導電性高分子ワイヤーを不揮発性抵抗変化素子として用いた機械学習の検討," 第10回分子アーキテクトニクス研究会, O-11, 九州国立博物館, (福岡), 2019年11月7-8日.
  15. 萩原 成基, 岡田 将, 杉戸 泰雅, 浅井 哲也, 桑原 裕司, 赤井 恵, "導電性高分子ワイヤーを用いた相互結合型ネットワークの構築," 第80回応用物理学会秋季学術講演会, 20p-F211-12, 北海道大学, (札幌), 2019年9月18-21日.
  16. 岡田 将, 杉戸 泰雅, 萩原 成基, 浅井 哲也, 桑原 裕司, 赤井 恵, "導電性⾼分⼦ワイヤーを⽤いた機械学習システムの作製," 第66回応用物理学会春季学術講演会, 11p-W810-9, 東京工業大学大岡山キャンパス, (東京), 2019年3月9-12日.

Copyright © 1999-2024 Tetsuya ASAI & Laboratories for Advanced LSI Engineering (LALSIE), Hokkaido University. All Rights Reserved.