MAP-SNN：多様性、適応性、可塑性を生体妥当なスパikingニューラルネットワークにマッピングする

スパイキングニューラルネットワーク（SNN）は、人間の脳の基本的なメカニズムを模倣する点で、生物学的により現実的かつ電力効率に優れているとされている。近年、ディープラーニングフレームワークを活用したバックプロパゲーション（BP）に基づくSNN学習アルゴリズムが優れた性能を達成している。しかし、こうしたBPベースの手法では、生物学的解釈可能性（bio-interpretability）が部分的に無視されがちである。生物学的に妥当なBPベースのSNNの実現に向けて、本研究ではスパイク活動のモデリングにおいて「多様性（Multiplicity）」「適応性（Adaptability）」「可塑性（Plasticity）」の3つの特性（MAP）を考慮する。多様性の観点から、離散的な時間反復におけるモデルのロバスト性を強化するため、複数スパイク伝播を可能にする「マルチスパイクパターン（MSP）」を提案する。適応性を実現するため、MSPに基づきスパイク周波数適応（SFA）を導入し、スパイク活動を抑制することで効率性を向上させる。また、可塑性の観点から、スパイク応答電流をモデル化する学習可能な畳み込みシナプスを提案することで、時系列特徴抽出に向けたスパイクニューロンの多様性を高める。提案するSNNモデルは、神経形態データセットN-MNISTおよびSHDにおいて競争力のある性能を達成した。さらに、実験結果から、本研究で提示した3つの側面がスパイク活動の反復的ロバスト性、スパイク効率、時系列特徴抽出能力に有意な寄与をしていることが示された。結論として、本研究はMAPに基づく生物的インスパイアされたスパイク活動の実現可能性を示し、SNNに生物学的特性を組み込む新たな神経形態学的アプローチを提供した。