[17p-WL1_301-1~13] Neuromorphic computing at the convergence of biology, electronics, and photonics

5:25 PM - 5:40 PM JST(8:25 AM - 8:40 AM UTC)

[17p-WL1_301-10] Implementation of reservoir computing-based reinforcement learning model in living neuronal networks

〇Arata Saito^1,2, Hideaki Yamamoto^1,2,3, Yuichi Katori⁴, Nobuaki Monma^1,2, Shigeo Sato^1,2, Ayumi Hirano-Iwata^1,2,3 (1.RIEC Tohoku Univ., 2.Grad. Sch Eng. Tohoku Univ., 3.AIMR Tohoku Univ., 4.Future Univ. Hakodate)

Keywords:

biological neural network,physical reservoir,reinforcement learning

本研究では，生体神経回路(BNN)とタスク実行環境をリアルタイムに結合した強化学習リザバー計算系を構築し，迷路探索タスクを用いて評価した．BNNのネットワークサイズを拡大したことで，リザバーの自由度および記憶容量が増大につながり，ロボットが局所的な回転挙動から脱却し，探索範囲が大幅に広がる行動ダイナミクスの変化が確認された．発表では，BNNのネットワーク規模が学習性能に与える影響について議論する．