山本 かけい (マサチューセッツ工科大学）、酒見悠介 (千葉工業大学 数理工学研究センター 上席研究員／東京大学国際高等研究所ニューロインテリジェンス国際研究機構（WPI-IRCN） 連携研究者）、合原 一幸 (東京大学 特別教授・名誉教授／東京大学国際高等研究所ニューロインテリジェンス国際研究機構（WPI-IRCN） エグゼクティブディレクター／千葉工業大学 数理工学研究センター 主席研究員）は、脳のようにスパイク信号で情報処理を行うスパイキングニューラルネットワーク(SNN)に対し、新たな学習手法を提案しました。
本手法は、スパイクの発生時刻を直接学習に組み込むことで、発火タイミングに基づくテンポラルコーディングをより理想的な形で実現します。従来の類似手法では、各ニューロンの発火回数が１回以下に制限されていましたが、この新しい手法は複数回の発火を可能にすることで、柔軟な情報処理が可能になります。これにより、脳の情報処理メカニズムの研究や、脳型ハードウェアの高効率化が期待されます。
この成果は、2024年７月2日に開催された査読付き国際学会「2024 International Joint Conference on Neural Networks (IJCNN)」で発表されました。