www.wikidata.uk-ua.nina.az

Обчислювальна нейронаука англ Computational neuroscience розділ нейронауки що використовує математичні методи та комп ют

Обчислювальна нейронаука


Обчислювальна нейронаука (англ. Computational neuroscience) — розділ нейронауки, що використовує математичні методи та комп'ютерні симуляції для дослідження роботи нервової системи, зокрема мозку. Математичні методи включають теорію динамічних систем, теорію графів, теорію інформації та ін. Це широко міждисциплінарна наука, яка поєднує когнітивну науку, нейробіологію, теорію алгоритмів та машинне навчання.

Обчислювальна нейронаука відрізняється від психологічного конекціонізму і машинного навчання тим, що бере до уваги дослідження функціональних і справжніх біологічних нейронів (і нейронних систем) та їх фізіологію і динаміку. Її моделі враховують суттєві властивості біологічної системи в різних просторово-часових масштабах, від мембранних струмів, білків і хімічного зв'язування до вивчення коливань активності, галузевої і топографічної архітектури, а також навчання і запам'ятовування. Ці обчислювальні моделі використовуються як гіпотези, які може бути безпосередньо перевірено в теперішніх або майбутніх біологічних та/або психологічних експериментах.

Обчислювальна нейронаука намагається розв'язати дві задачі. Перша — зрозуміти причини захворювань мозку, наприклад, хвороби Альцгеймера чи шизофренії, та знайти ліки. Друга — зрозуміти принципи обробки інформації в біологічних нейронних мережах, як вони породжують сприйняття, пам'ять, інтелект та свідомість.

Предмет дослідження Редагувати

Дослідження в обчислювальній нейронауці можна умовно розділити на декілька напрямів. Основна робота при дослідженнях відбувається в тісній співпраці з експериментаторами і являє собою аналіз нових даних і синтез нових моделей біологічних явищ.

Моделювання окремого нейрона Редагувати

Навіть окремі нейрони мають складні біофізичні характеристики. Модель Годжкіна-Гакслі реалізує лише два процеси проходження струму? чутливого до зміни напруги, при проходженні швидкодійного натрію та зворотно-спрямованого калію. Хоча дана модель успішно передбачує час і якісні особливості потенціалу дії, вона не в змозі передбачувати ряд важливих функцій, таких як адаптація і шунтування[en]. Науковці тепер вважають, що є велика різноманітність струмів, чутливих до змін напруги, з різною динамікою, модуляцією і чутливістю цих струмів, що стало важливою темою дослідження обчислювальної нейронауки.

Обчислювальні функції комплексних дендритів також є предметом інтенсивних досліджень. Існує великий обсяг літератури про те, як відбувається взаємодія струмів з геометричними властивостями нейронів.

Деякі моделі імітують біохімічні процеси при дуже великій деталізації, наприклад, такі, що відбуваються на рівні дендритних шипів або синаптичних щілин.

Є багато програмних пакетів, таких як GENESIS[en] і NEURON[en], які дозволяють швидко і систематично моделювати in silico реалістичні нейрони. Проєкт Blue Brain, заснований Генрі Маркрамом[en], розв'язує задачу побудови детальної біофізичної моделі кортикальної колонки на суперкомп'ютері Blue Gene.

Сенсорне сприйняття Редагувати

Перші моделі сенсорного сприйняття спираються на теоретичну базу, створену переважно Горасом Барлоу[en]. Створюючи перші сенсорні системи, Барлоу зрозумів, що вони мають мати таку форму, щоб забезпечити ефективне кодування[en], за якого нейрони кодують інформацію таким чином, щоби мінімізувати кількість спайків (з’єднань). Експериментальні та розрахункові роботи відтоді тією чи іншою мірою підтвердили цю гіпотезу.

Сучасні дослідження в сенсорній обробці мають два основних напрямки: біофізичне моделювання різних підсистем і більш теоретичне моделювання процесів сприйняття. В сучасних моделях сприйняття припускають, що мозок реалізує своєрідну задачу баєсового висновування та інтегрування різних видів сенсорної інформації при формуванні нашого сприйняття фізичного світу.

Пам’ять і синаптична пластичність Редагувати

Ранні моделі пам'яті ґрунтувалися на постулатах Геббового навчання. Біологічно відповідні моделі, такі як мережі Гопфілда, було розроблено для моделювання властивості асоціативності, притаманної біологічним системам, а не адресній пам'яті, яку використовують в комп’ютерних системах. Ці методи, в першу чергу, звертають увагу на формування короткочасної і довготривалої пам'яті[en], локалізованої в гіпокампі. Було побудовано моделі робочої пам'яті, що спираються на теорії синхронізації мережних коливань і стійкої діяльності, з метою втілення деяких особливостей контекстно пов'язаної пам'яті префронтальної кори головного мозку.

Однією з основних проблем в нейрофізіологічної пам'яті є те, як вона підтримується і змінюється за умови різних масштабів часу для елементів мережі. Нестабільні синапси легко піддаються навчанню, але й є схильними до стохастичних порушень. Стабільні синапси не так легко забувають, але з іншого боку їх важче консолідувати. Одна з останніх обчислювальних гіпотез використовує каскади пластичності, які дозволяють синапсам функціювати в різних масштабах часу. За допомогою методу Монте-Карло було побудовано деталізовані стереохімічні моделі синапсу, що має ацетилхолінові рецептори, в яких процес відтворено з точністю до мікросекунд. Цілком імовірно, що обчислювальні інструменти будуть значною мірою сприяти нашому розумінню того, як синапси функціюють і змінюються під впливом зовнішніх подразників, вже найближчими десятиліттями.

Поведінка нейронних мереж Редагувати

Біологічні нейрони з'єднано між собою складним, рекурентним (з наявністю зворотних зв'язків) способом. Ці з’єднання, на відміну від більшості штучних нейронних мереж, є розсіяними, і, здебільшого, питомими. Не відомо, як інформація передається через такі розріджені з'єднання. Невідомо також, що за обчислюванні функції, якщо такі існують, виконують певні схеми таких з’єднань. Взаємодію між нейронами в невеликих мережах можливо абстрагувати до простих моделей, таких як модель Ізінга (з магнітом). Статистична механіка таких простих систем добре піддається теоретичному вивченню і конкретизації їх характеристик. З появою двухфотонної та кальцієвої мікроскопії[en] з’явилися нові потужні експериментальні методи, які дають змогу перевіряти нові теорії щодо нейронних мереж.

Див. також Редагувати

Література Редагувати

Книги Редагувати

  • Серії книг Computational Neuroscience Series (МІТ)
  • Gerstein, George; Aertsen, Ad; Grün, Sonja; Maldonado, Pedro E.; Palm, Günther (2023). Introducing computation to neuroscience: selected papers of George Gerstein. Cham. ISBN 978-3-030-87447-6.
  • Pittà, Maurizio de; Berry, Hugues (2019). Computational glioscience. Cham, Switzerland. ISBN 978-3-030-00817-8.
  • Di Ieva, Antonio (2016). The fractal geometry of the brain. New York. ISBN 978-1-4939-3995-4.

Журнали Редагувати

Посилання Редагувати

Конференції Редагувати

  • Computational and Systems Neuroscience (COSYNE) – зустріч з обчислювальної нейронауки з фокусом на системній нейронауці.
  • Annual Computational Neuroscience Meeting (CNS) – щорічна зустріч з обчислювальної нейронауки.
  • Neural Information Processing Systems (NIPS) – провідна щорічна конференція, присвячена переважно машинному навчанню.
  • Cognitive Computational Neuroscience (CCN) – зустріч з обчислювальної нейронауки, присвячена обчислювальним моделям, здатним виконувати когнітивні завдання.
  • Міжнародна конференція з когнітивної нейродинаміки (ICCN) – щорічна конференція.
  • Computational Cognitive Neuroscience - щорічна зустріч з обчислювальної нейронауки з акцентом на когнітивні явища.
  • UK Mathematical Neurosciences Meeting – щорічна конференція, присвячена математичним аспектам.
  • Bernstein Conference on Computational Neuroscience (BCCN) – щорічна конференція з обчислювальної нейронауки.
  • Конференції AREADNE – зустрічі, що проводяться раз на два роки і включають теоретичні та експериментальні результати.

Примітки Редагувати

  1. . www.nature.com (англ.). Архів оригіналу за 8 квітня 2019. Процитовано 13 червня 2018. 
  2. Wu, Samuel Miao-sin; Johnston, Daniel (1995). Foundations of cellular neurophysiology. Cambridge, Mass: MIT Press. ISBN 0-262-10053-3. 
  3. London, Michael; Häusser, Michael (21 липня 2005). DENDRITIC COMPUTATION. Annual Review of Neuroscience 28 (1). с. 503–532. ISSN 0147-006X. doi:10.1146/annurev.neuro.28.061604.135703. 
  4. Branco, Tiago; Häusser, Michael (2010-08). The single dendritic branch as a fundamental functional unit in the nervous system. Current Opinion in Neurobiology 20 (4). с. 494–502. ISSN 0959-4388. doi:10.1016/j.conb.2010.07.009. 
  5. Koch, Christof (1999). Biophysics of computation: information processing in single neurons. Oxford [Oxfordshire]: Oxford University Press. ISBN 0-19-510491-9. 
  6. . Department of Mathematical Sciences, B12412: Computational Neuroscience and Neuroinformatics. Архів оригіналу за 4 березня 2016. Процитовано 4 липня 2014. 
  7. Durstewitz D, Seamans JK, Sejnowski TJ (2000). Neurocomputational models of working memory. Nat Neurosci. 3 (Suppl): 1184–91. PMID 11127836. doi:10.1038/81460. 
  8. Fusi S, Drew PJ, Abbott LF (2005). Cascade models of synaptically stored memories. Neuron 45 (4): 599–611. PMID 15721245. doi:10.1016/j.neuron.2005.02.001. 
  9. Coggan JS, Bartol TM, Esquenazi E, et al. (2005). Evidence for ectopic neurotransmission at a neuronal synapse. Science 309 (5733): 446–51. Bibcode:2005Sci...309..446C. PMC 2915764. PMID 16020730. doi:10.1126/science.1108239. 


Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри
Дата публікації:
Obchislyuvalna nejronauka angl Computational neuroscience rozdil nejronauki sho vikoristovuye matematichni metodi ta komp yuterni simulyaciyi dlya doslidzhennya roboti nervovoyi sistemi zokrema mozku 1 Matematichni metodi vklyuchayut teoriyu dinamichnih sistem teoriyu grafiv teoriyu informaciyi ta in Ce shiroko mizhdisciplinarna nauka yaka poyednuye kognitivnu nauku nejrobiologiyu teoriyu algoritmiv ta mashinne navchannya Obchislyuvalna nejronauka vidriznyayetsya vid psihologichnogo konekcionizmu i mashinnogo navchannya tim sho bere do uvagi doslidzhennya funkcionalnih i spravzhnih biologichnih nejroniv i nejronnih sistem ta yih fiziologiyu i dinamiku Yiyi modeli vrahovuyut suttyevi vlastivosti biologichnoyi sistemi v riznih prostorovo chasovih masshtabah vid membrannih strumiv bilkiv i himichnogo zv yazuvannya do vivchennya kolivan aktivnosti galuzevoyi i topografichnoyi arhitekturi a takozh navchannya i zapam yatovuvannya Ci obchislyuvalni modeli vikoristovuyutsya yak gipotezi yaki mozhe buti bezposeredno perevireno v teperishnih abo majbutnih biologichnih ta abo psihologichnih eksperimentah Obchislyuvalna nejronauka namagayetsya rozv yazati dvi zadachi Persha zrozumiti prichini zahvoryuvan mozku napriklad hvorobi Alcgejmera chi shizofreniyi ta znajti liki Druga zrozumiti principi obrobki informaciyi v biologichnih nejronnih merezhah yak voni porodzhuyut sprijnyattya pam yat intelekt ta svidomist Zmist 1 Predmet doslidzhennya 1 1 Modelyuvannya okremogo nejrona 1 2 Sensorne sprijnyattya 1 3 Pam yat i sinaptichna plastichnist 1 4 Povedinka nejronnih merezh 2 Div takozh 3 Literatura 3 1 Knigi 3 2 Zhurnali 4 Posilannya 4 1 Konferenciyi 5 PrimitkiPredmet doslidzhennya RedaguvatiDoslidzhennya v obchislyuvalnij nejronauci mozhna umovno rozdiliti na dekilka napryamiv Osnovna robota pri doslidzhennyah vidbuvayetsya v tisnij spivpraci z eksperimentatorami i yavlyaye soboyu analiz novih danih i sintez novih modelej biologichnih yavish Modelyuvannya okremogo nejrona Redaguvati Dokladnishe Model biologichnogo nejronaNavit okremi nejroni mayut skladni biofizichni harakteristiki Model Godzhkina Gaksli realizuye lishe dva procesi prohodzhennya strumu chutlivogo do zmini naprugi pri prohodzhenni shvidkodijnogo natriyu ta zvorotno spryamovanogo kaliyu Hocha dana model uspishno peredbachuye chas i yakisni osoblivosti potencialu diyi vona ne v zmozi peredbachuvati ryad vazhlivih funkcij takih yak adaptaciya i shuntuvannya en Naukovci teper vvazhayut sho ye velika riznomanitnist strumiv chutlivih do zmin naprugi z riznoyu dinamikoyu modulyaciyeyu i chutlivistyu cih strumiv sho stalo vazhlivoyu temoyu doslidzhennya obchislyuvalnoyi nejronauki 2 Obchislyuvalni funkciyi kompleksnih dendritiv takozh ye predmetom intensivnih doslidzhen 3 4 Isnuye velikij obsyag literaturi pro te yak vidbuvayetsya vzayemodiya strumiv z geometrichnimi vlastivostyami nejroniv 5 Deyaki modeli imituyut biohimichni procesi pri duzhe velikij detalizaciyi napriklad taki sho vidbuvayutsya na rivni dendritnih shipiv abo sinaptichnih shilin Ye bagato programnih paketiv takih yak GENESIS en i NEURON en yaki dozvolyayut shvidko i sistematichno modelyuvati in silico realistichni nejroni Proyekt Blue Brain zasnovanij Genri Markramom en rozv yazuye zadachu pobudovi detalnoyi biofizichnoyi modeli kortikalnoyi kolonki na superkomp yuteri Blue Gene Sensorne sprijnyattya Redaguvati Pershi modeli sensornogo sprijnyattya spirayutsya na teoretichnu bazu stvorenu perevazhno Gorasom Barlou en Stvoryuyuchi pershi sensorni sistemi Barlou zrozumiv sho voni mayut mati taku formu shob zabezpechiti efektivne koduvannya en za yakogo nejroni koduyut informaciyu takim chinom shobi minimizuvati kilkist spajkiv z yednan Eksperimentalni ta rozrahunkovi roboti vidtodi tiyeyu chi inshoyu miroyu pidtverdili cyu gipotezu Suchasni doslidzhennya v sensornij obrobci mayut dva osnovnih napryamki biofizichne modelyuvannya riznih pidsistem i bilsh teoretichne modelyuvannya procesiv sprijnyattya V suchasnih modelyah sprijnyattya pripuskayut sho mozok realizuye svoyeridnu zadachu bayesovogo visnovuvannya ta integruvannya riznih vidiv sensornoyi informaciyi pri formuvanni nashogo sprijnyattya fizichnogo svitu 6 Pam yat i sinaptichna plastichnist Redaguvati Ranni modeli pam yati gruntuvalisya na postulatah Gebbovogo navchannya Biologichno vidpovidni modeli taki yak merezhi Gopfilda bulo rozrobleno dlya modelyuvannya vlastivosti asociativnosti pritamannoyi biologichnim sistemam a ne adresnij pam yati yaku vikoristovuyut v komp yuternih sistemah Ci metodi v pershu chergu zvertayut uvagu na formuvannya korotkochasnoyi i dovgotrivaloyi pam yati en lokalizovanoyi v gipokampi Bulo pobudovano modeli robochoyi pam yati sho spirayutsya na teoriyi sinhronizaciyi merezhnih kolivan i stijkoyi diyalnosti z metoyu vtilennya deyakih osoblivostej kontekstno pov yazanoyi pam yati prefrontalnoyi kori golovnogo mozku 7 Odniyeyu z osnovnih problem v nejrofiziologichnoyi pam yati ye te yak vona pidtrimuyetsya i zminyuyetsya za umovi riznih masshtabiv chasu dlya elementiv merezhi Nestabilni sinapsi legko piddayutsya navchannyu ale j ye shilnimi do stohastichnih porushen Stabilni sinapsi ne tak legko zabuvayut ale z inshogo boku yih vazhche konsoliduvati Odna z ostannih obchislyuvalnih gipotez vikoristovuye kaskadi plastichnosti yaki dozvolyayut sinapsam funkciyuvati v riznih masshtabah chasu 8 Za dopomogoyu metodu Monte Karlo bulo pobudovano detalizovani stereohimichni modeli sinapsu sho maye acetilholinovi receptori v yakih proces vidtvoreno z tochnistyu do mikrosekund 9 Cilkom imovirno sho obchislyuvalni instrumenti budut znachnoyu miroyu spriyati nashomu rozuminnyu togo yak sinapsi funkciyuyut i zminyuyutsya pid vplivom zovnishnih podraznikiv vzhe najblizhchimi desyatilittyami Povedinka nejronnih merezh Redaguvati Biologichni nejroni z yednano mizh soboyu skladnim rekurentnim z nayavnistyu zvorotnih zv yazkiv sposobom Ci z yednannya na vidminu vid bilshosti shtuchnih nejronnih merezh ye rozsiyanimi i zdebilshogo pitomimi Ne vidomo yak informaciya peredayetsya cherez taki rozridzheni z yednannya Nevidomo takozh sho za obchislyuvanni funkciyi yaksho taki isnuyut vikonuyut pevni shemi takih z yednan Vzayemodiyu mizh nejronami v nevelikih merezhah mozhlivo abstraguvati do prostih modelej takih yak model Izinga z magnitom Statistichna mehanika takih prostih sistem dobre piddayetsya teoretichnomu vivchennyu i konkretizaciyi yih harakteristik Z poyavoyu dvuhfotonnoyi ta kalciyevoyi mikroskopiyi en z yavilisya novi potuzhni eksperimentalni metodi yaki dayut zmogu pereviryati novi teoriyi shodo nejronnih merezh Div takozh RedaguvatiNejroinformatika Nejroinzheneriya NejronaukaLiteratura RedaguvatiKnigi Redaguvati Seriyi knig Computational Neuroscience Series MIT Gerstein George Aertsen Ad Grun Sonja Maldonado Pedro E Palm Gunther 2023 Introducing computation to neuroscience selected papers of George Gerstein Cham ISBN 978 3 030 87447 6 Pitta Maurizio de Berry Hugues 2019 Computational glioscience Cham Switzerland ISBN 978 3 030 00817 8 Di Ieva Antonio 2016 The fractal geometry of the brain New York ISBN 978 1 4939 3995 4 Zhurnali Redaguvati Journal of Computational Neuroscience Computational Intelligence and Neuroscience Frontiers in Computational NeurosciencePosilannya RedaguvatiOrganization for Computational NeurosciencesKonferenciyi Redaguvati Computational and Systems Neuroscience COSYNE zustrich z obchislyuvalnoyi nejronauki z fokusom na sistemnij nejronauci Annual Computational Neuroscience Meeting CNS shorichna zustrich z obchislyuvalnoyi nejronauki Neural Information Processing Systems NIPS providna shorichna konferenciya prisvyachena perevazhno mashinnomu navchannyu Cognitive Computational Neuroscience CCN zustrich z obchislyuvalnoyi nejronauki prisvyachena obchislyuvalnim modelyam zdatnim vikonuvati kognitivni zavdannya Mizhnarodna konferenciya z kognitivnoyi nejrodinamiki ICCN shorichna konferenciya Computational Cognitive Neuroscience shorichna zustrich z obchislyuvalnoyi nejronauki z akcentom na kognitivni yavisha UK Mathematical Neurosciences Meeting shorichna konferenciya prisvyachena matematichnim aspektam Bernstein Conference on Computational Neuroscience BCCN shorichna konferenciya z obchislyuvalnoyi nejronauki Konferenciyi AREADNE zustrichi sho provodyatsya raz na dva roki i vklyuchayut teoretichni ta eksperimentalni rezultati Primitki Redaguvati Computational neuroscience Latest research and news Nature www nature com angl Arhiv originalu za 8 kvitnya 2019 Procitovano 13 chervnya 2018 Wu Samuel Miao sin Johnston Daniel 1995 Foundations of cellular neurophysiology Cambridge Mass MIT Press ISBN 0 262 10053 3 London Michael Hausser Michael 21 lipnya 2005 DENDRITIC COMPUTATION Annual Review of Neuroscience 28 1 s 503 532 ISSN 0147 006X doi 10 1146 annurev neuro 28 061604 135703 Branco Tiago Hausser Michael 2010 08 The single dendritic branch as a fundamental functional unit in the nervous system Current Opinion in Neurobiology 20 4 s 494 502 ISSN 0959 4388 doi 10 1016 j conb 2010 07 009 Koch Christof 1999 Biophysics of computation information processing in single neurons Oxford Oxfordshire Oxford University Press ISBN 0 19 510491 9 What are Computational Neuroscience and Neuroinformatics Department of Mathematical Sciences B12412 Computational Neuroscience and Neuroinformatics Arhiv originalu za 4 bereznya 2016 Procitovano 4 lipnya 2014 Durstewitz D Seamans JK Sejnowski TJ 2000 Neurocomputational models of working memory Nat Neurosci 3 Suppl 1184 91 PMID 11127836 doi 10 1038 81460 Fusi S Drew PJ Abbott LF 2005 Cascade models of synaptically stored memories Neuron 45 4 599 611 PMID 15721245 doi 10 1016 j neuron 2005 02 001 Coggan JS Bartol TM Esquenazi E et al 2005 Evidence for ectopic neurotransmission at a neuronal synapse Science 309 5733 446 51 Bibcode 2005Sci 309 446C PMC 2915764 PMID 16020730 doi 10 1126 science 1108239 Otrimano z https uk wikipedia org w index php title Obchislyuvalna nejronauka amp oldid 39115952