現在の深層学習モデルは、最新のモデルであっても、長期記憶が十分には再現できないことが知られる。 本研究では、複雑系のデータ系列の、長期記憶特性を再現するための計測手法をまず整理する。その上で、長期記憶を再現するための深層学習モデルを提案する。まず、ブラウン運動など数学的に長期記憶特性が解析的に知られるランダム系列を、提案する深層学習モデルが学習できるかを吟味する。その上で、実世界の複雑系データを、モデル提案により学習させ、同モデルにより擬似系列を生成させる。この擬似系列が長期記憶特性を再現できているかを評価する。最後に、提案する深層学習モデルが、一般的な金融や言語のタスクにおいて、より良い性能を有しているかを評価する。本研究により、現在の深層学習モデルを改善する方向性を示す波及効果が期待される。