1 / 13

Modelowanie ukladu nerwowego

Modelowanie ukladu nerwowego. Semestr zimowy 2013/14. Spis zagadnien. Elektryczne własności neuronów Prądy jonowe Kanały napięciowozależne M odele punktowe Model Integrate -and- Fire Model Hodgkina - Huxleya Modele synapsy Teoria kablowa, model Ralla Modele realistyczne neuronów

jamal
Download Presentation

Modelowanie ukladu nerwowego

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Modelowanieukladunerwowego Semestrzimowy 2013/14

  2. Spiszagadnien Elektryczne własności neuronów Prądy jonowe Kanały napięciowozależne Modele punktowe Model Integrate-and-Fire Model Hodgkina-Huxleya Modele synapsy Teoria kablowa, model Ralla Modele realistyczne neuronów Modele małych sieci Analiza pobudliwości i oscylacji Modele dużych sieci.

  3. Literatura Nicholas T. Carnevale, Michael L. Hines, The NEURON Book (free pdf) Peter Dayan and Laurence F. Abbott Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems (free pdf) Wulfram Gerstner and Werner M. Kistler, Spiking Neuron Models: Single Neurons, Populations, Plasticity (free html) G. Bard Ermentrout and David H. Terman, Mathematical Foundations of Neuroscience (free pdf)

  4. Modelowanieukładunerwowego (computational neurosicence) Modelowanieukładunerwowegozajmujesiebadaniemfunkcjimózgu pod kątemprocesowaniainformacji w strukturachukładunerwowego. Jest to dziedzinainterdyscyplinarnałączącatakiedziedzinynaukijak: badanieukładunerwowego, kongnitywistyka, psychologiaz inżynierią, informatyką, matematykąifizyką. Computational neuroscience is the study of brain function in terms of the information processing properties of the structures that make up the nervous system.It is an interdisciplinary science that links the diverse fields of neuroscience, cognitive science, and psychology with electrical engineering, computer science, mathematics, and physics. (http://en.wikipedia.org/wiki/Computational_neuroscience)

  5. Modelowanieukładunerwowego - początki Pojęcie “Modelowanieukładunerwowego” (“ computational neuroscience”) zostałowprowadzone w roku 1985 nakonferencji w Caramel (Kalifornia). Prace z modelowaniamatematycznegoneuronówpojawiałysiejuzwczesniej: Louis Lapicque - Integrate and fire neuron (1907) Model Hodgkina-Huxleya (1952) Wilfrid Rall - teoria kablowa zastosowana do neuronów (1957) David Marr – obliczeniowe teorie działania móżdżku (1969), kory nowej (1970) i hipokampa (1971).

  6. Modelowanieukładunerwowego – czasyobecne BLUE BRAIN: 2005, pod kierownictwemHenryegoMarkrama, zespółneuronaukowcówiinformatyków z ÉcolePolytechniqueFédérale de Lausanne, w Szwajcarii, przeprowadzilnasupercomputerze IBM symulacje 1cm2 korymózgowej. C2: 2009, zespół IBM Almaden (Kalifornia), zbudowałsymulatorkorymózgowejnasuperkomuterach Dawn Blue Gene/P w Lawrence Livermore National Laboratory. Symulator C2 zawiera 109neuronówi 1012synaps, co odpowiadamózgowimałegossaka. NEUROGRID:KwabenaBoahen z UniwersytetuStanfordaopracowałkrzemowyukładscalony do symulacjiaktywnosci I nauki 105neuronowi 109synaps. Celembadansaimplantyretinowe. IFAT 4G:na Johns Hopkins University, Ralph Etienne-Cumming opracował Integrate and Fire Array Transceiver IV generacji, składającysię z 60 000 neuronówi 120 milionówsynaps. Wcześniejszawersjategoukładubyłazastosowanajako model korywzrokowej do rozpoznawaniaprzedmiotów. BRAINSCALES:projekt EU,ktoregocelem jest układscalonyFast Analog Computing with Emergent Transient States (FACETS) odtwarzającywłasnościukładunerwowego. Realistyczneneuronyzawierają do 16 000 synaps. HUMAN BRAIN PROJECT:celemprojektu jest symulacjaludzkiegomózgu(budzet 100 milionow Euro).

  7. Modelowanieukładunerwowego – czasyobecne The IBM Brain Wall – narzędzie do wizualizacjijednoczesnejaktywności262,144 neuronów. Każdy neuron jest reprezentowanyprzezpojedynczy pixel. Większesiecimogąbyćwizualizowanepoprzezgrupowaniewieluneuronów w pixele.

  8. Mózg vs. komputer

  9. DARPA SyNAPSE Program SyNAPSE - Systems of Neuromorphic Adaptive Plastic Scalable Electronics Projekt 2008 – 2016 (budzetdotychczasowy 2013, 102 miliony USD ) Cel: układmikroprocesorówodtwarzajacy 1010neuronow, 1014synaps, pobórmocy: 1 kW, objętość: 2 litry~ ludzkimózg (pobormocy 20 W). Sposób: układwielordzeniowychmikroprocesorów, każdyscalony z milionemmemristorów Macierzmemristorówzintegrowana z obwodem CMOS (mikroprocesorem)

  10. Dlaczegomodelowanie? Abyzrozumiecdzialaniemozgu, potrzebne jest uzyskanieinformacji z wieluroznychkategorii: Anatomiaposzczegolnychneuronow, ichpolaczen, grup (ang. nuclei) iwyzszegopoziomuorganizacji (obwody) Farmakologiakanalowjonowych, neuroprzekaznikow, modulatorow I receptorow Biochemiaibiologiamolekularnaenzymow, czynnikowwzrostuI genowbioracychudzial w rozwoju I dzialaniumozgu, percepcji,zachowaniu, uczeniuI chorobach. Uzyskanietejwiedzy jest konieczne ale niewystarczajace do pelnegozrozumieniafunkcjonowaniamózgu. Procesowanieinformacjizalezy od rozchodzeniasie I oddzialywaniasygnalowchemicznych I elektrycznych w czasiei w przestrzeni. Sygnalytesaregulowane I generowaneprzezzlozonenieliniowemechanizmyizlozonestrukturyanatomiczne. Hipotezydotyczacetychmechanizmow I sygnalowwymajaweryfikacji, ktoramoznaprzeprowadzicnamodeluobliczeniowym. Modelowanie jest zatemniezwyklecennymsposobemnauzykaniewgladu w działaniemozgu.Symulacjesa w staniezmaksymalizowacstosunekuzykanegowgladu do wlozonegowysilku.

  11. Kroki w tworzeniumodelu Model koncepcyjnyzawieranajwazniejszeskladowe, ktoreleza u podstawdanejfunkcjilubwlasnosciukładufizycznego. Opracowaniemodelukoncepcyjnegowymagauproszczenia I abstrahowania. Model koncepcyjny jest najczęściejwyrażony w postacirównańmatematycznych, czasem w formiealgorytmukomputerowego. Model obliczeniowy jest wiernymprzelozeniemmodelukoncepcyjnegonasymulacjekomputerowa.

  12. Kroki w tworzeniumodelu - przykład Jezyk hoc (High Order Calculator) – językinterpretowany do pisaniaskryptow w symulatorze Neuron

  13. Dostępnesymulatory BRIAN, a Python based simulator Emergent, neural simulation software. GENESIS, a general neural simulation system. ModelDB, a large open-access database of program codes of published computational neuroscience models. Nengo, a Python scriptable, GUI simulator for large-scale neural models NEST, a simulation tool for large neuronal systems. Neuroconstruct, software for developing biologically realistic 3D neural networks. NEURON, a neuron simulator also useful to simulate neural networks. SNNAP, a single neuron and neural network simulator tool. ReMoto, a web-based simulator of the spinal cord and innervated muscles of the human leg. EDLUT, a simulation software for large-scale neural networks and real-time control systems. http://en.wikipedia.org/wiki/Computational_neuroscience

More Related