国立大学法人東海国立大学機構 黑料网大学院情报学研究科の藤井 慶輔 准教授（理化学研究所革新知能統合研究センター客員研究員）と筒井 和詩 特任助教、大学院环境学研究科の依田 憲 教授、大学院理学研究科の田中 良弥 助教らの研究グループは、理化学研究所、科学技術振興機構（JST）、同志社大学、九州大学、西スイス応用科学大学（スイス）、基礎生物学研究所、東海大学との共同研究で、生物集団の移動軌跡から相互作用の規則、例えば「誰を見てどう動いたか」を理論とデータから推定できる机械学习注1）技术を新たに开発しました。
本研究により、これまで概念的であった动物行動学の理論モデルに基づき、1つの机械学习モデルを用いて、多種の生物集団に柔軟に適用できる定量的な解析方法が開発されました。これにより、人間を含む様々な生物の集団移動に関する一般的な法則や、その多様性の発見へと繋げていくことが期待できます。
本研究成果は、2021年12月6日（月）から14日（火）までオンラインで開催される、人工知能?机械学习分野における世界最高峰の国際会議の1つである「Neural Information Processing Systems 2021」（以下「NeurIPS 2021」）で発表されます。
本研究は、2020年度から始まった科学技术振兴机构さきがけ「信頼される础滨の基盘技术」、2021年度から始まった科研费学术変革领域（础）「サイバー?フィジカル空间を融合した阶层的生物ナビゲーション」、2019年度から始まった科学技术振兴机构颁搁贰厂罢「数理的情报活用基盘」などの支援のもとで行われたものです。
?生物集団の移动轨跡から、相互作用の规则を推定する手法を开発した。
?动物行動学の理論モデルと深層学習を組み合わせることで、多種の生物集団にも柔軟かつ定量的に解析できる方法を初めて提案した。
?鱼や鸟の集団で有名なボイドモデル注2）や、非线形振动子の蔵本モデル注3）のシミュレーションデータを用い、相互作用の関係性をデータから正确に推定できた。
?コウモリ、マウス、鸟、ハエの集団移动データを用いて、同一の深层学习注4）モデルからそれぞれ新たな知见を得られた。
◆详细（プレスリリース本文）はこちら
注1）机械学习：
人间の学习能力と同様に、机械（コンピュータ）に学习能力を持たせる方法。
注2）ボイドモデル：
ボイドモデルとは、鸟や鱼の群れなどをシミュレーションするためのモデルである。人工的に复雑な鸟や鱼の群れの运动を生み出すには、実は个体间の相互作用に単纯なルールを与えるだけで十分だという研究が数多く行われ、そのいくつかは鸟らしいモデルという意味でボイドモデルと呼ばれている。本研究では、その中でも接近?回避?并走という3つのルールだけで复雑な振舞いを生み出せる颁辞耻锄颈苍ら（2002）のモデルに、接近?回避?无视の関係性を与えたモデルを用いた。
注3）蔵本モデル：
ホタルの集団発光のような、相互作用のある非线形振动子集団の振舞いを记述するモデルである。今回はこのモデルのシミュレーションデータを使って、本手法により振动子同士が结合しているかどうかを当てることによる検証を行った。
注4）深层学习：
机械学习の一種で、脳内の神経細胞および神経細胞同士の結合を模して機械が学習を行う手法。
国際会議名：Neural Information Processing Systems 2021（NeurIPS 2021）
論文タイトル：Learning interaction rules from multi-animal trajectories via augmented behavioral models
着者：Keisuke Fujii, Naoya Takeishi, Kazushi Tsutsui, Emyo Fujioka, Nozomi Nishiumi, Ryoya Tanaka, Mika Fukushiro, Kaoru Ide, Hiroyoshi Kohno, Ken Yoda, Susumu Takahashi, Shizuko Hiryu, Yoshinobu Kawahara ※本学関係教員は下線
著者（日本語）と所属: 藤井 慶輔1,2,3, 武石 直也4,2, 筒井 和詩1, 藤岡 慧明5, 西海 望6, 田中 良弥1, 福代 三華5, 井出 薫5, 河野 裕美7, 依田 憲1, 高橋 晋5, 飛龍 志津子5, 河原 吉伸8,2
1黑料网, 2理化学研究所 革新知能統合研究センター, 3闯厂罢さきがけ, 4西スイス応用科学大学, 5同志社大学, 6基础生物学研究所, 7东海大学, 8九州大学
