深層学習を利用してロボットなどのエージェントの知覚や行動を学習する研究が注目されている．そのために，人間の脳機能を説明する計算原理である自由エネルギー原理に深層学習を応用した深層能動的推論を利用することができる．深層能動的推論ではシャノンサプライズの上界である（変分）自由エネルギーを最小化するようにエージェントの学習を行う．自由エネルギーには観測の再構成学習を行う通常の自由エネルギーと，対照学習を行う対照自由エネルギーが存在するが，両者の関係は明確に示されていない．本研究では再構成・対照学習の両方を考慮するようなハイパーパラメータを伴うサプライズの上界を提案し，それから通常の自由エネルギーと対照自由エネルギーが導出されることを示す．複数のハイパーパラメータの設定で，提案サプライズ上界を最小化するようにシミュレーション環境でエージェントの学習を行なった．その結果，ハイパーパラメータの設定によってエージェントの注意が変化し，再構成・対照学習の両方を考慮することが有効であると示唆された．
