行動課題を行う再帰的ニューラルネットワーク（RNN）

ちょっと情報が古いかつ一部異なるが、（主にサル用の）行動課題をこなすRNN（再帰的ニューラルネットワーク, Recurrent Neural Network）の論文集。
趣味研を始めるときや論文書き始めのときに調べました。
一部記憶はあやふやなのでご了承くださいm(. .)m

RNNが何をやっているかということへの仮説：課題の情報を高次元空間に振ってから低次元に圧縮してんじゃないか
Curr Opin Neurobiol. 2017 Oct;46:1-6. doi: 10.1016/j.conb.2017.06.003. Epub 2017 Jun 29.
Recurrent neural networks as versatile tools of neuroscience research.
Barak O1.
https://www.ncbi.nlm.nih.gov/pubmed/28668365


サルの課題をRNNに学習させるとサルのPFCの挙動と似た挙動を示した
Nature. 2013 Nov 7;503(7474):78-84. doi: 10.1038/nature12742.
Context-dependent computation by recurrent dynamics in prefrontal cortex.
Mante V1, Sussillo D, Shenoy KV, Newsome WT.
https://www.ncbi.nlm.nih.gov/pubmed/24201281


RNN内の神経素子を興奮性と抑制性に分けても学習できた
PLoS Comput Biol. 2016 Feb 29;12(2):e1004792. doi: 10.1371/journal.pcbi.1004792. eCollection 2016.
Training Excitatory-Inhibitory Recurrent Neural Networks for Cognitive Tasks: A Simple and Flexible Framework.
Song HF1, Yang GR1, Wang XJ1,2.
https://www.ncbi.nlm.nih.gov/pubmed/26928718
https://github.com/xjwanglab/pycog/tree/master/pycog


強化学習ベースのRNNシステムで行動課題を学習
BioRxiv-> eLife
Reward-based training of recurrent neural networks for cognitive and value-based tasks
H. Francis Song, Guangyu R. Yang, Xiao-Jing Wang
http://biorxiv.org/content/early/2016/08/19/070375
http://github.com/xjwanglab/pyrl
https://elifesciences.org/content/6/e21492


Hebb則（亜種）＋強化学習のRNNシステムで行動課題を学習
BioRxiv -> eLife
Flexible decision-making in recurrent neural networks trained with a biologically plausible rule
Thomas Miconi
http://biorxiv.org/content/early/2016/07/26/057729
https://github.com/ThomasMiconi/BiologicallyPlausibleLearningRNN
https://elifesciences.org/content/6/e20899


連続的な行動をRNNで学習できた
Neuron. 2016 Apr 6;90(1):128-42. doi: 10.1016/j.neuron.2016.02.009. Epub 2016 Mar 10.
Recurrent Network Models of Sequence Generation and Memory.
Rajan K1, Harvey CD2, Tank DW3.
https://www.ncbi.nlm.nih.gov/pubmed/26971945


課題への回答の確信度みたいのも学習できた（OFCと挙動が似てた？＊要見直し）
Neuron. 2015 May 20;86(4):1067-77. doi: 10.1016/j.neuron.2015.04.014. Epub 2015 May 7.
Dynamic Control of Response Criterion in Premotor Cortex during Perceptual Detection under Temporal Uncertainty.
Carnevale F1, de Lafuente V2, Romo R3, Barak O4, Parga N1.
https://www.ncbi.nlm.nih.gov/pubmed/25959731


RNNでMEG（筋電位）の挙動を再現
Nat Neurosci. 2015 Jul;18(7):1025-33. doi: 10.1038/nn.4042. Epub 2015 Jun 15.
A neural network that finds a naturalistic solution for the production of muscle activity.
Sussillo D1, Churchland MM2, Kaufman MT1, Shenoy KV3.
https://www.ncbi.nlm.nih.gov/pubmed/26075643


RNNで行動課題ができた（再帰結合はへんかしない？＊要見直し）
J Neurosci. 2013 Jul 10;33(28):11515-29. doi: 10.1523/JNEUROSCI.5044-12.2013.
Emergence of dynamic memory traces in cortical microcircuit models through STDP
Klampfl S1, Maass W.
https://www.ncbi.nlm.nih.gov/pubmed/23843522

Cereb Cortex. 2014 Mar;24(3):677-90. doi: 10.1093/cercor/bhs348. Epub 2012 Nov 11.
Emergence of complex computational structures from chaotic neural networks through reward-modulated Hebbian learning.
Hoerzer GM1, Legenstein R, Maass W.
https://www.ncbi.nlm.nih.gov/pubmed/23146969



Continual learning(ある課題を学習させた後に別の課題を学習させても、前の課題の情報を失わないようにさせた学習方法)なRNNに複数の課題を学習させると課題間の関係がベクトル表現できるようになった
BioRxiv
Clustering and compositionality of task representations in a neural network trained to perform many cognitive tasks
Guangyu Robert Yang, H. Francis Song, William T. Newsome, Xiao-Jing Wang
https://www.biorxiv.org/content/early/2017/09/01/183632

Neural coding during active somatosensation revealed using illusory touch.

久しぶりに本業に近い論文紹介。少し前の論文だけど、自分の中では今年最大のヒット。

Nat Neurosci. 2013 Jul;16(7):958-65. doi: 10.1038/nn.3419. Epub 2013 Jun 2.
Neural coding during active somatosensation revealed using illusory touch.
O'Connor DH, Hires SA, Guo ZV, Li N, Yu J, Sun QQ, Huber D, Svoboda K.

タイミングvs発火率　神経が情報をコードしているのはどちらか、という議論があるがこれはそれに対して一つの答えを出している論文。結論としては、発火率。

手法は、ヒゲ知覚によるGo no-Go task時のS1の神経活動をチャネルロドプシンで再現するというもの。ヒゲのタッチと神経細胞の発火のタイミング（を模倣した刺激）をずらしても課題の成績に変化は無かったが、PV（抑制性）細胞の活性化による興奮性の発火率減少は成績を悪くしたため、上の結論に至っている。ヒゲの根元に働く張力(?)をコードしているのでは、ということだ。

ms単位で神経発火を再現する技術も凄いけど、問題設定が逸脱。分かりやすい上に、超重要。なぜNature Neuroscienceなのかがわからない（わけでもないけど、コントロール実験とか）。結論も、もちろん部位や課題によってはタイミングが重要なことがあるのだろうけれども、それでも長年の議論に一定の答えを示したのは凄い。

Go no-Go早くしたい…。アイデアはあるけど、その前に早く今の仕事に片を付けなければ。

多細胞同時記録法3

論文タイトル

Large-scale recording of neuronal ensembles

URL

http://osiris.rutgers.edu/BuzsakiHP/Publications/PDFs/Buzsaki2004NatNeurosci.pdf

執筆者

G. Buzsaki

キーワード

ensemble, tetrode, sorting algorithm, parallel, extracellular signal

要約（日本語）

脳の入出力だけからその機能を分析するのは困難である。なぜなら，同じ入出力でも神経細胞の相互作用は何通りもあり，また，ノイズが入るからである。神経細胞同士の協調を調べるには脳波測定やPET, fMRIなどが挙げられるが時空間の分解能や取得可能なデータから個々の神経細胞の活動を同定できないなどの欠点がある。
そこで多細胞同時記録法である。この方法であれば個々の神経細胞の活動データを高い分解能で観察できる。多細胞同時記録法で用いる電極は1本の束で複数の電極を用意する(４本が一般的: tetrode）。また、シリコン性のプローブを用いる方が細胞に与える損傷を少なく押さえることが可能である。理論的には半径140μm1100個の神経細胞の細胞の活動を細胞の外から記録可能だが，実際には、脳にtetrodeを差し込む際に細胞が受けるダメージや，ノイズによって5μm140個の神経細胞の解析が限界となっている。
tetrodeなどによってデータを取得した後は，数百個の神経細胞の活動が統合されているデータから個々の細胞の活動を抽出しなければならない。抽出には神経細胞のスパイク発火波形の特徴や，4本の電極が電気信号を受ける時間の差を利用する方法がある。解析時の問題点としては，神経細胞の細胞体と軸索でそれぞれ活動電位があり同じ細胞の信号でも距離やタイミングが異なることや、活動電位の波形を見ただけでは細胞の種類を同定することが難しいことなどが挙げられる。

要約（英語）

批評（日本語）

二光子励起法もそうだが、機器というよりも解析方法に改良の余地があるのかも。大量の細胞の活動データをどのように個々の細胞ごとに分離するかというのが最大の問題点なような気がした。
それと筆者が全ての生理反応は神経細胞の電気信号に変換できるという旨の記述が気になった。そもそも神経細胞の電気信号が生物の認知活動を表現しているという証拠はまだどこからも挙がっていないと思われるからである。

批評（英語）

感想

一週間以上日が空いた...。最初に立てた週3本以上の目標はどこへやら。まあ、ここ一ヶ月はいろいろ忙しかったから..ということにしよう。ただ、一つの論文を読むのに時間がかかりすぎている、特に今回のような英語論文。どうやったら早く読めるようになるのだろうか。

bibtex

@article{buzsaki2004large, title={{Large-scale recording of neuronal ensembles}}, author={Buzsaki, G.}, journal={Nature Neuroscience}, volume={7}, number={5}, pages={446--451}, year={2004}, publisher={New York, NY: Nature America Inc., c1998-} }

多細胞同時記録法2

論文タイトル

多細胞同時記録実験の必要性と方法-現状と問題点-

URL

http://www.jnns.org/niss/1999/text/sakurai.pdf

執筆者

櫻井芳雄

キーワード

動的神経回路，セルアセンブリ，多細胞同時記録，電極，操作，データ

要約（日本語）

現在の神経科学研究の多くは，whereとwhat(ときどきwhen)が圧倒的に多くて, howに関する研究が少ない．つまり，記憶を例にとると，脳のどの部位が関わっているか，どんな伝達物質が関わっているかという報告ばかりが多く，どうやって信号処理を行っているかという研究はほとんどない．これでは，脳の高度な情報処理の仕組みは何もわからない．そのためには神経回路を構成するニューロンの動態を計測してそれぞれのニューロン同士の相互作用を意識しながら解析していくことが重要である．
脳内の情報基本コードの位置づけとして2つの考え方がある．単一ニューロンの活動が基本コードであるという考えと，複数ニューロン集団の活動が基本コードという考えである．櫻井は単一ニューロンを基本単位とする考えの問題点を挙げて脳内基本コードは複数ニューロン集団の活動とした．
多細胞同時記録法の基本技術として，記録電極の作製と選定，電極の配列と操作，データの取り込みの3つを挙げた．多細胞同時に用いる記録電極は先端を特殊に加工しなければならない．それには自作の他に，企業が生産した物を買う方法がある．電極は埋め込んで固定する方法と，操作装置を設置して可動にする場合を実験方法によって選別しなければならない．データを取り込む際，この方法だと多くの細胞の活動データが一つの電極に同時に記録されるため，テンプレートマッチングやウェーブマッチングなどを用いて信号をニューロンごとに分離しなければならない．また，それには時間がかかるため，データの収集と解析を同時に行わなければならないような実験方法には適さない．また，細胞同士の相互関係を解析する方法も未だに確立していない．
技術の進歩によってより多くのニューロンの活動を同時に記録する方法は進歩している．しかし，大事なのはそれらのデータから適切な仮説を立てる理論的枠組みと理論の構築である．

要約（英語）

批評（日本語）

複数ニューロン集団を基本コードとした場合の問題点はないのか．また，一つの電極に複数のニューロンのデータが混ざったときの分離方法が雑な気がした．テンプレートマッチングやウェーブマッチングをよく調べた訳ではないのでわからないが，ニューロンと電極の位置関係によって複数のニューロンの活動が一つのニューロンの活動のようになることがあるのではないだろうか．

批評（英語）

感想

はじめに、目的には大共感！whatやwhereだけでは情報処理の仕組みは全く解らない．howを知る為にはいままでとは違った解析方法やデータが必要になる．
また，明らかに研究室でしか使わないような電極や解析ソフトを制作している会社がある，ということが収穫になった．

bibtex

@article{櫻井-多細胞同時記録実験の必要性と方法, title={{多細胞同時記録実験の必要性と方法: 神経情報科学サマースクール講義録}}, author={櫻井芳雄} }

睡眠と記憶固定

論文タイトル

メモリーリプレイと記憶の固定化

URL

http://www.jstage.jst.go.jp/article/biophys/47/6/47_368/_article/-char/ja

執筆者

龍野 正実

キーワード

メモリーリプレイ，場所細胞，テンプレートマッチング，同時確率マッピング海馬，大脳新皮質，脳波，レム睡眠，ノンレム睡眠

要約（日本語）

多細胞同時記録法を用いた研究．ラットのメモリーリプレイと睡眠の種類，異なる皮質間での関係を研究例を総説として紹介している．睡眠時のラットの神経細胞を多細胞同時記録法で記録することで神経細胞同士の発火同期を分析する．メモリーリプレイとは眠っているときに，覚醒時の記憶を再生して記憶を定着させる現象を指す．
まず，睡眠の種類とメモリーリプレイの関係である．神経細胞の発火同期率などから，ノンレム睡眠のときにメモリーリプレイが起こるという報告が多くある．それに対して，レム睡眠中に起こることを報告している研究が少ない．
次に海馬と大脳新皮質の関係に関する研究を紹介している．それによると海馬でリップル活動という脳波形の出現タイミングから，睡眠中に海馬から大脳新皮質へと情報が送られて固定化されるとしている．
筆者は数時間から数日の長時間にわたる神経細胞の活動記録を行った実験報告が少ないことを，心理実験の知見との整合性がとれない問題の理由に挙げている．ノイズの影響を軽減するのに十分なサンプル数を確保できないためである．

要約（英語）

批評（日本語）

海馬と大脳新皮質が直接接続していないことと，海馬で発生したパターンが少し後に皮質で発生するという結果を統合すると，恐らく中継を行っている部位がある．メモリーリプレイその中継部位の働きを加味している記述がない．もしかしたら記憶の固定化が起こるのはその中継部位で皮質はただメモリーリプレイに伴う(固定化を伴わない)生理反応かもしれない．記憶が皮質に固定かするかは，筆者が述べる数日よりも長いスパンで，シナプスの結合強度の変化など記憶に関わる部位の変化を観察しなければ行けない．

批評（英語）

感想

やはり4電極により多細胞同時記録法は100個程度の神経細胞の記録を取れるとしている．2007年でこの数だから今もあまり変わらないのか？多分数理処理で電気信号が発生した位置も同定可能だろう．となるとこの方法の問題点は細胞を殺してしまう可能性が高いこと．長時間の記録ができないのもその影響じゃないかと勝手に推測する．もう一つは電気信号以外のデータが取れないので細胞の種類が同定できないこと。あとノイズの処理も問題になるみたい．
個人的にはノンレム睡眠のときに記憶の固定化が起こっているという実験結果がでていることに驚いた．脳が覚醒状態に近いレム睡眠のときに夢を見て記憶を固定するということをよく聞いていたからだ．確かに，その理論のはっきりした根拠は聞いたことが無い気がする．もしノンレム睡眠のときに記憶の固定化が起こるのだとしたら睡眠時間はあまり記憶の固定と関係ないのではないかと思った．睡眠時間が長くなるほど最後の方の睡眠が浅くなるのだから．だとしたら，一日８時間くらい寝ないと寝た気がしない自分は随分時間を無駄にしているような気分になる．
早く妥当な批評ができるようになりたい．そのため必要なのは十分な専門知識と思考力かな．思考力って曖昧だから，論文から実験過程を想像する力と，自分ならどうするか考えて疑問を持ちながら読む習慣．

bibtex

@article{龍野2007メモリーリプレイと記憶の固定化, title={{メモリーリプレイと記憶の固定化}}, author={龍野正実}, journal={生物物理}, volume={47}, number={6}, pages={368--377}, year={2007}, publisher={J-STAGE} }

多細胞同時記録法

論文タイトル

多細胞同時記録データの統計解析法

URL

http://jnns.org/previous/niss/1999/text/ito.pdf

執筆者

伊藤浩之

キーワード

多細胞同時記録法, 統計解析，時間平均，ヒストグラム，相関

要約（日本語）

神経細胞を多細胞同時記録したときのデータの統計処理方法について簡単にまとめている．一般的な方法としては，得られたデータから基準点を設定し，ニューロンの発火数を時間毎に数えてヒストグラムを作り，各細胞間で比較し，相関を計算する．基準点の設定の仕方によって方法が分かれる．

要約（英語）

批評（日本語）

筆者も述べているが，やはりヒストグラムを書いて時間毎の発火をひとまとめにして扱ってしまうと，各神経細胞の発火タイミングの同期が分からなくなってしまう．同期を解析する方法はまた別にあるのだろうが，神経細胞同士の大雑把な関係を見るときでも，例えばスパイクとスパイクの間隔の時間とか，発火数を加算する方法以外の方法があるのではないか．

批評（英語）

感想

電極4つから100個以上のニューロンの活動電位が記録できることは驚いた．この記事は恐らく最近のものではないので今はさらに多くの神経細胞の活動を計測できているだろう(何千とか？)．恐らくだが，この方法の問題点は電気信号以外の情報が全くないこと，つまり，例えば遺伝子操作による細胞染色のような，細胞の種類を判別することがとても困難なことだと思う．あとは電極を差し込むのであまり長い間の測定はできないのではないだろうか．
電気以外で細胞単位での神経細胞の活動を観察できるものは無いだろうか．一つ蛍光タンパク質があったな．あとは磁力とか何ちゃら線とかぐらいかなぁ．

bibtex

@article{伊藤-多細胞同時記録データの統計解析法, title={{多細胞同時記録データの統計解析法}}, author={伊藤浩之}, journal={編), 脳の情報表現─ ニューロン・ネットワーク・数理モデル}, pages={173--185} }

カルシウムイメージング＋二光子励起3

論文タイトル

Difference in Binocularity and Ocular Dominance Plasticity between GABAergic and Excitatory Cortical Neurons

URL

http://www.jneurosci.org/cgi/content/abstract/30/4/1551

執筆者

Katsuro Kameyama, Kazuhiro Sohya, Teppei Ebina, Atsuo Fukuda, Yuchio Yanagawa, and Tadaharu Tsumoto

キーワード

GABAergic neuron, glutamatergic neuron, binocularity, critical period, plasticity, two-photon functional Ca2+ imaging

要約（日本語）

two-photon imagingを使った2010年の理研の研究．蛍光タンパク質によってGABAニューロン，グルタミンニューロン，アストロサイトを色によって識別可能にした遺伝子改変マウスの大脳新皮質2/3層を，in vivoで二光子励起顕微鏡を用いて観察した．臨界期にあるマウスと臨界期を終えたマウスで，片眼を塞いだ状態と両眼が使える状態で視覚刺激に対する各ニューロンの反応変化を蛍光発色の密度で測定・比較した．比較には片眼に対する第一視覚野の左右(眼と同じ側か反対側か)の反応傾向に着目した．その結果，GABA作動性ニューロンの方が視覚刺激に対する反応の左右傾向が小さいことが示唆された．また，臨界期が終わった後でも片眼を塞いだ場合，グルタミン作動性ニューロンは変化よりも，GABA作動性ニューロンの方が変化することが示唆された．ちなみに，臨界期においてはどちらのニューロンも変化することが確認された．
また，KameyamaらはGAD67-GFPノックインマウスのGABAニューロンが野生型よりも少ないこと示唆し，VGAT-Venusノックインマウスを用いた場合はGABAニューロンの減少がなくなることを確認しこちらを採用した．

要約（英語）

批評（日本語）

実験デザインがよく考えられていて，分析も細かく行っている印象を受けた．使用した遺伝子改変マウス，臨界期の前後でのニューロン反応特性の違いは反証し難い．
しかし，著者も述べていたが，神経細胞同士の，特に興奮性と抑制性の，ニューロンの相互作用についての考察があまりされておらず，臨界期後の反応特性の変化がそれぞれの細胞単独で起こるのか，それとも相互作用で起こるのかよく分からなかった．
また，分析方法でODIの分布に関して，ODIの濃度分布は差がなく累積分布にすると差があった，としているが濃度分布でも十分差があるように見える．恐らく，累積分布にしなくても興奮性，抑制性各分布の分散に着目して分析を行えば同じような結果が現れたのではないだろうか．

批評（英語）

感想

やはり2/3層より深層は今の二光子励起法では覗けないようだ．でもって，蛍光色感知の分解能もシナプス単位では見れないようだ．まだまだ改善の余地はありそう．もしくは，別のアプローチから考えた方がもっと高い分解能で（ または深層で）データを取れるのだろうか．
当たり前なのだけれど改めて，やはり生物実験というのはあらゆるノイズを考えてその影響を排除できるような実験計画を立てなければいけない，ということを学んだ．

bibtex

@article{kameyama2010difference, title={{Difference in Binocularity and Ocular Dominance Plasticity between GABAergic and Excitatory Cortical Neurons}}, author={Kameyama, K. and Sohya, K. and Ebina, T. and Fukuda, A. and Yanagawa, Y. and Tsumoto, T.}, journal={Journal of Neuroscience}, volume={30}, number={4}, pages={1551}, year={2010}, publisher={Soc Neuroscience} }

カルシウムイメージング＋二光子励起2

論文タイトル

GABAergic Neurons Are Less Selective to Stimulus Orientation than Excitatory Neurons in Layer II/III of Visual Cortex, as Revealed by In Vivo Functional Ca2+ Imaging in Transgenic Mice

URL

http://www.jneurosci.org/cgi/content/abstract/27/8/2145

執筆者

Kazuhiro Sohya, Katsuro Kameyama, Yuchio Yanagawa, Kunihiko Obata, and Tadaharu Tsumoto

キーワード

GABAergic neurons, orientation selectivity, visual cortex, two-photon functional calcium imaging, transgenic mice, green fluorescent protein

要約（日本語）

蛍光タンパク質，二光子励起顕微鏡，カルシウムイメージング，トランスジェニックマウスを組み合わせて実験を行っている．この方法によって一度に数十(百？)個の細胞のカルシウムイオンの濃度分布をin vivoで観測することが可能となる．また，細胞の種類ごとに蛍光タンパク質や光の波長を変化させることで特定の細胞のみを観察することが可能となる．
Sohyaらはこの実験方法をマウスの大脳新皮質2～3層に用いてマウスの視知覚実験を行った．図形の傾きを知覚する課題である．蛍光タンパク質や光の波長を変化させて，興奮性ニューロン，抑制性（GABA）ニューロン，アストロサイトの３種類の細胞を別々に観察できるようにした．その結果，この領域においては抑制性ニューロンの方が興奮性ニューロンよりも刺激に対する反応が小さいことが示唆された．

要約（英語）

批評（日本語）

面白い実験方法なのに特徴を生かしきれてない気がする．この方法によって興奮性と抑制性の神経細胞を分けられた利点は分かるが，カルシウム濃度を追えるのなら興奮性と抑制性の細胞の相互作用や接続関係なども分かりそうである．分解能の問題があるのだろうか．また大脳新皮質の2～3層というのも分解能の問題なのか，それ以上深部は観測できないのだろうか．
二光子励起法について物理を久しくやっていないのがバレバレの質問だが，光の波長によって励起する蛍光タンパク質が異なるということは，これらのタンパク質が発する色が異なると考えてよいのだろうか．

批評（英語）

感想

動物実験の論文を初めてじっくり読んだので実験方法の書き方などとても参考になった．論文内で分析に使ったデータがほぼ蛍光色の濃度分布のみだったのであまりピンポイント（シナプスでカルシウム濃度が変わっていく様子など）では観察できないのではと感じた．本当はどうなっているか全く分からないけど．もしそうなら，自分の研究はまたやっていく意味がありそう．
実験デザインはよく考えられていると感じた．遺伝子操作の実験をするときは当たり前のことかもしれないが，特に光の波長やタンパク質の応答特性によって細胞を選別可能にしたのはおぉ、って感じた．
やっぱり英語が鬼門．どのタンパク質をどの細胞に用いたとか，ややこしいところは何回か読んでみないと理解できない．専門用語を先に覚えるべきか，論文を読みまくればいいのか...

bibtex

@article{sohya2007gabaergic, title={{GABAergic neurons are less selective to stimulus orientation than excitatory neurons in layer II/III of visual cortex, as revealed by in vivo functional Ca2+ imaging in transgenic mice}}, author={Sohya, K. and Kameyama, K. and Yanagawa, Y. and Obata, K. and Tsumoto, T.}, journal={Journal of Neuroscience}, volume={27}, number={8}, pages={2145}, year={2007}, publisher={Soc Neuroscience} }

カルシウムイメージング＋二光子励起1

論文タイトル

神経細胞内局所的カルシウム濃度変化のリアルタイムイメージング法

URL

http://www.jstage.jst.go.jp/article/fpj/121/5/121_357/_article/-char/ja

執筆者

中村　健

キーワード

高速カルシウムイメージング、パッチクランプ、二光子励起法

要約（日本語）

カルシウムイメージング法の原理、手順、資材と特徴について述べている。重要な点として細胞内局所でのカルシウム濃度分布の考慮、機器の設定、画像処理、色素選択と負荷条件を挙げている。また二光子励起法や共焦点顕微鏡による応用についても触れている。

要約（英語）

批評（日本語）

蛍光蛋白質を用いた場合の空間・時間分解能の限界が知りたい。ある程度のところまではカメラや顕微鏡の技術の発展に伴って空間・時間分解能は向上していくだろう。しかし、恐らく論文通り時間分解能が25ms程度では顕微鏡内の電気の流れは追いきれないだろう。もし技術の向上によって分解能が理論限界まで上がっても電気の流れを追えないのなら(自分の研究の立場からすると)方法論を考え直す必要がある。
また、二光子励起顕微鏡は現在頭蓋骨を剥いだ状態でないと脳を観察でいないのでヒトには用いることができない。ヒトに用いるには、頭蓋骨の上から撮影を可能にするか、蛍光蛋白質以外の指標を用いるという方法があるかも。

批評（英語）

感想

自分が今からやろうとしていたことをやられてしまったのではと焦った方法。この論文はin vitroで話しているがもうin vivoでも行われている。ただカルシウムイメージング法の弱点として多数の細胞の発火同期はわかるがその接続関係はわからないというてんがある（と聞いたことがある）。まだできることは、研究始めてもいないけど、あると思う。

bibtex

@article{中村2003神経細胞内局所的カルシウム濃度変化のリアルタイムイメージング法, title={{神経細胞内局所的カルシウム濃度変化のリアルタイムイメージング法}}, author={中村健}, journal={日本薬理学雑誌}, volume={121}, number={5}, pages={357--364}, year={2003}, publisher={J-STAGE} }

低予算スパコン論文

論文タイトル

42 TFlops hierarchical N-body simulations on GPUs with applications in both astrophysics and turbulence

URL

http://portal.acm.org/citation.cfm?id=1654123

執筆者

濱田　剛　他

キーワード

マルチウォーク法，GPU, N-body simulation, 木構造

要約（日本語）

濱田らは256個のGPUと128個のCPUを用いたコンピュータを作成し、その有用性を示した。濱田らはGPUに木構造コードとFMM(Fast Multipole Method)を実装しGPUの効率をかつてないほど高めた。また，実装の際に濱田らはマルチウォーク法という新しい方法を用いた。その後、いくつかのN-bodyシミュレーションによってその有効性を実証した。またこのコンピュータは228,912ドルという驚くべき低予算で作成されている。

要約（英語）

Hamda et al. made a computer using 256 GPUs and 128 CPUs, then Hamada et al. show the efficiency of the computer.

批評（日本語）

単純にこちらの理解力不足だが、マルチウォーク法がNylandらの方法と何が違うのかよくわからなかった。また、同期を取らずにそれぞれのparticleが勝手に計算を進めて結果が変わってこないのか気になった。また、マルチウォーク法の図の理解に若干時間を要した。英語が読めなすぎるのと専門知識がないから、あんまり批評になってない。

批評（英語）

感想

話題になった低予算スパコンの論文。コンピュータの論文を一番に持ってくるつもりはなかったけど、いずれこういった研究をしている方々のお世話になるのではないかということで、まさにその備忘録のために読んでみた。コンピュータはやはりハードとソフトの両面とも大事であることを再認識した。GPUコンピュータの可能性を感じたし、自分がこれから行おうとしている研究の情報処理にマッチしているのではないかと感じた。ある程度データ量が大きくなってもこれなら対応してくれそうな気がする。英単語がわからないのはある程度しょうがないけど、知っている単語だけの文が読めないのはまずい気がする。要約間違ってたらごめんなさい。
GPUとはCG処理に特化したハードウェアで、近年その処理性能の向上に伴い凡化に関する研究が進んでいる．高情報処理能力を持つが、キャッシュメモリの容量が小さいなどの欠点を持つ。最もよく知られている方法はNvidia社のCUDA(Compute Unified Device Architecture)である．(松尾堅太郎ら(2009)「GPUを用いた位相限定相関法の高速化」より)

bibtex

@conference{hamada200942, title={{42 TFlops hierarchical N-body simulations on GPUs with applications in both astrophysics and turbulence}}, author={Hamada, T. and Narumi, T. and Yokota, R. and Yasuoka, K. and Nitadori, K. and Taiji, M.}, booktitle={Proceedings of the Conference on High Performance Computing Networking, Storage and Analysis}, pages={1--12}, year={2009}, organization={ACM} label={THamada09} }

論文批評テンプレート

まずこのブログを書いていこうと思ったのは，卒論を書くときに参照した論文を整理せずに次々と追加していった為，執筆のときに大変なことになってしまったからだ．修論を書くときはさらに混乱することが予測されるため，読んだ論文の整理のためにこのブログを活用する．

また文章の悪さも指摘された為，文章練習でもある．とりあえず気をつけるのは，句読点と一段落で一つの内容．

書く内容

論文タイトル

URL

執筆者

キーワード

要約（日本語）

要約（英語）

批評（日本語）

批評（英語）

感想

bibtex

このぐらいか．あとその他とか．

bibtex labelルール

first(0字).Middle(0字).Name(全部).年号(4桁).タイトル(1語)：（例）First Middle Home 2010 "The Title of ..."-> Nome2010title