カナカ・ラジャン

カナカ・ラジャン
生まれる	インド
国籍	アメリカ人
母校	アンナ大学 ブランダイス大学 コロンビア大学 マウントサイナイ医科大学
知られている	脳の再帰型ニューラルネットワーク（RNN）モデル
科学者としてのキャリア
フィールド	計算論的および理論的な神経科学
機関	ハーバード大学

カナカ・ラジャンは、ハーバード大学医学部神経生物学科の計算神経科学者であり、ハーバード大学ケンプナー自然・人工知能研究所^[1]の創設教員です。^[2]ラジャンは、工学、生物物理学、神経科学の訓練を受け、脳が感覚情報を処理する仕組みを理解するための新しい方法とモデルを開発しました。彼女の研究は、学習、記憶、決定などの重要な認知機能がマルチスケールの神経プロセスの協調活動からどのように生まれるのか、またそれらのプロセスがさまざまな神経精神疾患の状態によってどのように影響を受けるのかを理解しようとしています。その結果生まれた脳に関する統合理論は、神経生物学と人工知能の架け橋となっています。

ラジャンはインドで生まれ育ち、2000年にインドのタミル・ナードゥ州にあるアンナ大学バイオテクノロジーセンターで工業バイオテクノロジーを専攻し、優秀な成績で工学士（B.Tech.）を取得しました。 ^{[3] [4]}

2002年、ラジャンはブランダイス大学で神経科学の大学院課程に進み、イブ・マーダーとジーナ・G・トゥリジャーノのもとで実験ローテーションを行った後、ラリー・アボットの研究室に参加し、修士号（MA）を取得した。^[3] 2005年、アボット博士がブランダイスからコロンビアに移ったため、彼女はコロンビア大学の神経科学博士課程に編入し、理論神経科学センターでアボット博士のもとで博士課程を開始した。^[5]

ラジャンは大学院で、数学的モデリングを用いて神経生物学的な疑問に取り組んだ。^[6]彼女の学位論文の主な内容は、脳が内部の経験的および動機的状態の文脈内で微妙な感覚的手がかりを解釈し、外界の明確な表現を抽出する方法に関する理論の開発であった。^[7]この一連の研究は、ニューロンとそのシナプス接続をモデル化するために、興奮性および抑制性タイプを含むニューラルネットワークの数学的分析に焦点を当てた。彼女の研究では、興奮性および抑制性のシナプス強度の分布の幅を広げると、固有値分布が劇的に変化することが示された。^[8]生物学的な文脈では、これらの発見は、シナプス強度の分布が異なるさまざまな細胞タイプを持つことがネットワークダイナミクスに影響を与え、シナプス強度分布を測定することでネットワークダイナミクスの特性を調べることができることを示唆している。^{[8]それ以来、多くの脳領域における} 電気生理学および画像研究により、この相転移仮説の予測が検証されている。

この研究を行うために、ランダム行列理論^[8]と統計力学^[9]の強力な手法が採用されました。ラジャンの初期の影響力のある研究^[10]は、アボットとハイム・ソンポリンスキーと共同で物理学の方法論を主流の神経科学研究に統合しました。最初は実験的に検証可能な予測を作成することで、今日ではこれらのツールをデータモデリングの武器庫の不可欠な要素として定着させることで統合しました。ラジャンは2009年に博士号を取得しました。^[3]

2010年から2018年まで、ラジャンはプリンストン大学で理論生物物理学者のウィリアム・ビアレクと神経科学者のデイビッド・W・タンクとともにポスドク研究員として勤務した。^[11]プリンストンでは、彼女と彼女の同僚は物理学、工学、コンピューターサイエンスの幅広いツールを開発・活用し、生物学的組織の多くのスケールにわたる認知プロセスと生物物理学の関係を記述するための新しい概念フレームワークを構築した。^[12]

ラジャンはビアレクとのポスドク研究で、特徴選択性という神経現象をモデル化する革新的な方法を模索した。^[13]特徴選択性とは、ニューロンは入ってくる感覚情報の特定の個別の要素に反応するように調整され、その後これらの個々の要素が統合されて感覚風景の全体的な知覚が生成されるという考え方である。^[13]脳が複雑な入力を受け取りながら個々の特徴を検出する仕組みを理解するために、ラジャンは典型的な線形モデルアプローチではなく次元削減のように問題を扱った。 ^[13]ラジャンは、刺激の特徴として二次形式を使用して、最も有益な変数はそれらの特性に関する事前の仮定なしに見つけられることを示した。^[13]このアプローチにより、刺激の受容野を偏りなく推定することができる。^[13]

その後、ラジャンはデイビッド・タンクと共同で、ランダム接続のニューラルネットワークモデルから始めると、ワーキングメモリと意思決定の一般的な特徴であるニューロンの順次活性化を実証できることを示した。^[14]「部分的インネットワークトレーニング」と呼ばれるこのプロセスは、モデルとしてだけでなく、行動中の後頭頂皮質からの実際の神経データと一致させるためにも使用される。^[14]フィードフォワード接続ではなく、彼らのモデル内の神経シーケンスは、再帰シナプス相互作用を介してネットワーク全体に伝播し、外部入力によって誘導される。^[14]彼らのモデル化は、学習が高度に非構造化されたネットワークアーキテクチャから得られる可能性を浮き彫りにした。^[14]この研究は、自然刺激に対する感受性がニューロンでどのように生じるか、この選択性が感覚運動学習にどのように影響するか、そしてさまざまな脳領域で観察される神経シーケンスが最小限の可塑性で大部分が無秩序な回路からどのように生じるかを明らかにし、Neuronに掲載された。^[14]

2018 年 6 月、ラジャンはマウントサイナイ・アイカーン医科大学の神経科学科およびフリードマン脳研究所の助教授に就任しました。ニューヨークの Rajan Lab for Brain Research and AI (BRAINY) の主任研究員として、^[15]統合理論に焦点を当てた研究を行い、マルチスケールの神経プロセスの協調活動から行動がどのように生まれるかを説明します。学習、記憶、マルチタスク、推論などの基本的な脳プロセスへの洞察を得るために、ラジャンは生物学にヒントを得たニューラルネットワークアーキテクチャと、神経データや行動データから情報を抽出するためによく使用される数学的および計算フレームワークに基づく理論を開発しています。 ^[16]これらの理論は、ニューロン、シナプス、回路レベルでさまざまなレベルの生物学的詳細に対応できるほど柔軟な ニューラルネットワークモデルを使用しています。

彼女は、神経回路が作業記憶から意思決定、推論、直感に至るまでの機能を学習し実行する方法について重要な洞察を提供する学際的なアプローチを使用しており、重要な認知行為がどのように機能するかについての理解を深める上で独自の立場にあります。 ^[17]  彼女のモデルは、実験データ（カルシウムイメージング、電気生理学、行動実験など）と、機械学習と統計物理学から派生した新規および既存の数学的および計算フレームワークに基づいています。^{[16]ラジャンは、}リカレントニューラルネットワークモデリングを行動データと神経データに適用し続けています。スタンフォード大学のカール・ダイセロスと彼のチームと共同で、^{[18]このようなモデルにより、嫌悪に関与する脳構造である}側方手綱核内の回路相互作用が、能動的対処から受動的対処への行動移行を導く経験特徴をエンコードしていることが明らかになり、Cellに掲載されました。^{[19] [20]}

2019年、ラジャンはホワイトハウスの革新的な神経技術の推進による脳研究（BRAIN）イニシアチブへの参加を通じて、国立科学財団（NSF）^[21]から資金提供を受けた12人の研究者の1人でした。同年、彼女は脳からの複雑なデータの分析のための理論、モデル、および方法について、NIH BRAINイニシアチブ助成金（R01）も受賞しました。^{[ 22] 2020年から、ラジャンは}国立衛生研究所の省庁間モデリングおよび分析グループ（IMAG）の一部である計算神経科学ワーキンググループの共同リーダーになりました。^[24]

2022年、ラジャンはマウントサイナイ・アイカーン医科大学の神経科学部門とフリードマン脳研究所の終身在職権を持つ 准教授^[25]に昇進した。

2023年、ラジャンはハーバード大学医学部の神経生物学科の教員に就任し、ケンプナー自然・人工知能研究所の創設教員に就任した。^[2]

• CIFAR アズリエリ グローバル スカラー – 脳、心、意識プログラム
• マックナイト奨学生賞
• 次世代リーダー、アレン脳科学研究所（2021）^[26]
• 国立科学財団（NSF）キャリア賞（2021）^[27]
• ハロルド＆ゴールデン・ランポート基礎研究賞（2021）
• ダイアル財団フリードマン脳研究所研究奨学生賞（2020年）^[28]
• ディサバト家からのフリードマン脳研究所研究奨学生賞（2019年）^[29]
• スローン神経科学研究フェローシップ（2019） ^{[30] [31]}
• マインドリン財団1Tweet1P賞、神経科学とグラフィックノベルの出会い（2018）^[28]
• ジェームズ・マクドネル財団による人間の認知理解研究賞（2016年）^[32]
• ハワード・ヒューズ医学研究所、ジャネリア研究キャンパス、客員研究員（2016）
• 脳と行動財団（旧NARSAD）若手研究者賞（2015-2017）
• プリンストン大学分子生物学部およびルイス・シグラー統合ゲノム研究所における定量生物学の方法と論理の講師（2011-2013）
• 計算神経科学機構 (OCNS) からの助成金 (2011)
• スローン・シュワルツ理論神経科学ポストドクターフェローシップ（2010-2012）^[33]
• プーリン・サンパット記念教授賞、ブランダイス大学 (2004)
• タタ基礎研究所ジュニア研究フェローシップ（2001-2002）

• Perich, Matthew G.; Rajan, Kanaka (2020). 「多領域「ネットワークのネットワーク」モデルによる脳全体の相互作用の再考」Current Opinion in Neurobiology . 65 : 146–151. doi :10.1016/j.conb.2020.11.003. PMC  7822595 . PMID  33254073.
• Pinto, Lucas; Rajan, Kanaka; DePasquale, Brian; Thiberge, Stephan Y.; Tank, David W.; Brody, Carlos D. (2019年11月). 「タスク依存的な大規模ダイナミクスの変化と皮質領域の必要性」. Neuron . 104 (4): 810–824.e9. doi : 10.1016/j.neuron.2019.08.025 . PMC  7036751 . PMID  31564591.
• Yang, Guangyu Robert; Cole, Michael W; Rajan, Kanaka (2019年10月)。「複数のタスクの神経メカニズムを研究する方法」。Current Opinion in Behavioral Sciences 29 : 134–143. doi :10.1016/j.cobeha.2019.07.001. PMC  7266112. PMID  32490053 .
• Andalman, Aaron S.; Burns, Vanessa M.; Lovett-Barron, Matthew; Broxton, Michael; Poole, Ben; Yang, Samuel J.; Grosenick, Logan; Lerner, Talia N.; Chen, Ritchie; Benster, Tyler; Mourrain, Philippe; Levoy, Marc; Rajan, Kanaka; Deisseroth, Karl (2019年5月). 「脳と行動状態遷移を制御する神経ダイナミクス」. Cell . 177 (4): 970–985.e20. doi : 10.1016/j.cell.2019.02.037 . PMC  6726130. PMID  31031000 .
• Rajan , Kanaka; Harvey, Christopher; Tank, David (2016 年 4 月) 。「シーケンス生成と メモリの再帰ネットワーク モデル」。Neuron。90 ( 1): 128–142。arXiv : 1603.04687。doi : 10.1016 / j.neuron.2016.02.009。PMC 4824643。PMID 26971945。 
• Rajan, Kanaka; Bialek, William; Samuel, Aravinthan (2013 年 11 月 8 日)。「自然信号に対する神経反応の分析における、最大限に有益な「刺激エネルギー」」。PLOS ONE。8 (  11 ) : e71959。Bibcode : 2013PLoSO...871959R。doi : 10.1371 / journal.pone.0071959。PMC 3826732。PMID 24250780。 
• Rajan , Kanaka; Marre, Olivier; Tkačik , Gašper (2013 年 7 月)。「自然刺激に対する神経反応から二次受容野を学習する」。Neural Computation。25 ( 7): 1661–1692。arXiv : 1209.0121。doi : 10.1162 /NECO_a_00463。PMID 23607557。S2CID  13893466  。
• Rajan, Kanaka; Abbott, LF; Sompolinsky, Haim (2010 年 7 月 7 日). 「リカレント ニューラル ネットワークにおける刺激依存のカオス抑制」. Physical Review E. 82 ( 1): 011903. arXiv : 0912.3513 . Bibcode :2010PhRvE..82a1903R. doi :10.1103/PhysRevE.82.011903. PMC 10683875.  PMID 20866644.  S2CID 946870  .
• Rajan , Kanaka; Abbott, LF (2006 年 11 月2日)。「ニューラル ネットワークのランダム マトリックスの固有値スペクトル」。Physical Review Letters。97 ( 18): 188104。Bibcode :2006PhRvL..97r8104R。doi : 10.1103 /PhysRevLett.97.188104。PMID 17155583  。