従来の深層学習では，個別のタスクに応じてスクラッチから学習を行っており、得られたトポロジーを異なるタスク間で部分的に再利用することはできない。本来，生物はそれまでに得た複数の経験を抽象化し、知識として新たなタスクに適応することができる、これを実現するためには，獲得するネットワーク構造において，部分的に再利用可能なネットワーク構造を含むアーキテクチャが必要となる。本研究では Weight Agnostic Neural
Networks (WANN) とGrammar Variational Autoen-
coderを基盤技術とし、既に獲得した機能のトポロジーの潜在表現から複数の機能を融合した新たな機能を持つ構造を復元する、発達型人工神経回路網 （Devel-opmental Artificial Neural Networks, DANN) の構築を目指す。