Research Projects of Competitive Funds, etc. - MURATA Shingo

ロボットのための自由エネルギー原理に基づくインタラクション基盤技術

2024.04

-

2027.03

日本学術振興会, Grants-in-Aid for Scientific Research, Grant-in-Aid for Scientific Research (B), Principal investigator

脳の計算原理とプレイデータに基づく実世界ロボット学習

2022.10

-

2026.03

科学技術振興機構, 戦略的創造研究推進事業（さきがけ）, Principal investigator

Understanding hierarchical statistical learning of sequential perception with dynamic multiple timescale models

2021.10

-

2025.03

日本学術振興会, Grants-in-Aid for Scientific Research, Fund for the Promotion of Joint International Research (Fostering Joint International Research (B)), Coinvestigator(s)

Computational nosology based on artificial intelligence and dimensional approach for psychiatric disorders

2020.04

-

2025.03

National Center of Neurology and Psychiatry, Grants-in-Aid for Scientific Research Grant-in-Aid for Scientific Research (A), Grant-in-Aid for Scientific Research (A), Coinvestigator(s)

　View Summary

生物学的知見の蓄積により、現行の精神障害カテゴリーは生物学的妥当性を欠くことが明らかになり、研究方略の抜本的方向修正の必要性が指摘されている。本研究は、精神障害に関する症状・神経生理・認知行動のビッグデータに対して、既存の精神障害カテゴリーにとらわれない疾患横断的・次元的アプローチに基づき、機械学習・人工知能（AI）技術を含む計算論的精神医学の手法を適用することで、新しい精神障害の表現型：症候学的タイプ、バイオタイプ、計算論的表現型を明らかにする。さらに、深層学習技術を用いて、見出された各水準の表現型相互の媒介メカニズムを明らかにすることにより、精神障害の統合的理解と新しい診断体系を創出する。

二個体間における協調の形成と崩壊の予測符号化に基づくロボット構成論的理解

2019.04

-

2022.03

National Institute of Informatics, Grant-in-Aid for Early-Career Scientists, Principal investigator

　View Summary

本研究は他者との協調を支える認知情報処理機構の理解を目的とし，構成論的手法により取り組む．特に，（i）環境変化や他者のふるまいといった外的要因と（ii）自己の将来の行動に関する計画や意図といった内的要因により生じる協調の形成とその崩壊に関する動的過程に着目する．具体的には，脳の情報処理の仕組みとして提案されている予測符号化を再帰型神経回路モデルにより具現化し，二台のロボットそれぞれに実装する．そして，実環境における二台のロボット間の相互作用学習実験を行う．他者（ロボット）との相互作用の結果生じる互いの意図の動的な収斂と発散により，協調の形成・崩壊に関する動的過程が観察可能であると期待される．

Integrative understanding of various symptoms of psychiatric disorders by constructive approach using robots

2017.04

-

2020.03

Waseda University, Grants-in-Aid for Scientific Research Grant-in-Aid for Young Scientists (B), MURATA Shingo, Grant-in-Aid for Young Scientists (B), Principal investigator

　View Summary

This research project aims at integrative and system-level understanding of the brain and neural mechanisms that produce various symptoms of psychiatric disorders by a constructive approach using robots. We hypothesize that the prediction error minimization considering uncertainty estimation is the fundamental computational principle in the neural networks of the brain. We developed a hierarchical recurrent neural network model based on the principle and evaluated the hypothesis by implementing the model into a robot. Experimental results on robot behavior learning demonstrate that aberrant uncertainty estimation decreases or increases prediction error signals, resulting in abnormalities in perception and action. Furthermore, the results also suggest that the aberrant uncertainty estimation is derived from disconnection between hierarchies and homogenization of neural activities.