Transcript Modelowanie ukladu nerwowego

Modelowanie ukladu
nerwowego
Semestr zimowy 2014/15
Materialy do zajec
http://www.fuw.edu.pl/~suffa/Modelowanie/
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)
Modelowanie układu nerwowego
(computational neurosicence)
Modelowanie układu nerwowego zajmuje sie badaniem funkcji mózgu pod
kątem procesowania informacji w strukturach układu nerwowego. Jest to
dziedzina interdyscyplinarna łącząca takie dziedziny nauki jak: badanie układu
nerwowego, kongnitywistyka, psychologia z inżynierią, informatyką,
matematyką i fizyką.
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)
Modelowanie układu nerwowego
(computational neurosicence)
Inna definicja:
Modelowanie układu nerwowego zajmuje sie badaniem obliczeniowych
wlasnosci układu nerwowego. Wlasnosci te sa poznawane poprzez rozwijanie
matematycznych teorii i modeli obliczeniowych oraz badanie ich metodami
analitycznymi i poprzez symulacje numeryczne.
Modelowanie układu
nerwowego - początki
Pojęcie “Modelowanie układu nerwowego”
(“ computational neuroscience”) zostało wprowadzone
w roku 1985 na konferencji w Caramel (Kalifornia).
Pierwsze prace z modelowania matematycznego
neuronów siegają poczatków XX wieku:
Louis Lapicque - Integrate and fire neuron (1907)
McCulloch and Pitts – Threshold Logic Unit (1943)
Model Hodgkina-Huxleya (1952)
Wilfrid Rall - teoria kablowa zastosowana do neuronów
- modele kompartmentowe (1957)
David Marr – obliczeniowe teorie działania móżdżku
(1969), kory mózgowej (1970) i hipokampa (1971).
Poziomy modelowania układu
nerwowego
Kanały jonowe – poziom atomowy/molekularny
Dyfuzja jonów/neuroprzekaźników - poziom atomowy/molekularny
Stochastyczne zachowanie kanałów jonowych – procesy Markowa
Generacja potencjałów czynnosciowych – poziom pojedynczych neuronow (modele
punktowe/kablowe/wielokompartmentowe)
Wzorce generacji potencjałów czynnosciowych – poziom pojedynczych neuronow
Ciagi potencjałów czynnosciowych – procesy punktowe
Sieci neuronowe – uproszczone/realistyczne – poziom od malych sieci do funkcji ukladu nerwowego
Sieci neuronowe + plastyczność synaptyczna - poziom od malych sieci do funkcji ukladu nerwowego
Sieci neuronowe - korelacje miedzy zachowaniem neuronow – teoria informacji
Modele wieloskalowe – poziom populacje neuronow/caly mozg
Modele mean field i modele globalne – poziom populacje neuronow/caly mozg
Z: The HBP Pilot Report, April 2012
Wieloskalowe modele układu
nerwowego
IZHIKEVICH MODEL: 108 neuronów, 22 rodzaje komórek, 5*108 synaps wraz z plastycznością. W model
samorzutnie powstaje aktywność spontaniczna mózgu oraz rytmy (np. gamma).
Diagram mikroobwodu korowo - wzgorzowego
Symulacja fMRI. Widoczne antyskorelowane klastry aktywnosci
(czerwony-niebieski), co odpowiada eksperymentalnym
wynikom u ludzi
Wieloskalowe modele układu
nerwowego
HUMAN BRAIN PROJECT: celem projektu jest symulacja ludzkiego mózgu (budzet 1,2 biliona Euro). Na razie:
realistyczne symulacje 106 neuronów i synaps. Dane (w tym połączenia) oparte na mózgu gryzoni.
Spodziewany efekt: “tracking the emergence of intelligence”. HBP jest kontynuacja projetku Blue Brain.
BLUE BRAIN: rozpoczęty w 2005 r, pod kierownictwem Henryego Markrama, zespół neuronaukowców i
informatyków z École Polytechnique Fédérale de Lausanne, w Szwajcarii, przeprowadzil na supercomputerze
IBM symulacje 1cm2 kory mózgowej.
2014
2011
2008
2005
x
x
iPAD4
PlayStation4
2023
Mózg vs. komputer
Modelowanie układu
nerwowego – czasy obecne
The IBM Brain Wall – narzędzie do wizualizacji jednoczesnej aktywności 262,144 neuronów. Każdy neuron jest
reprezentowany przez pojedynczy pixel. Większe sieci mogą być wizualizowane poprzez grupowanie wielu neuronów w
pixele.
DARPA SyNAPSE Program
SyNAPSE - Systems of Neuromorphic Adaptive Plastic Scalable Electronics
Projekt 2008 – 2016 (budzet dotychczasowy 2013, 102 miliony USD )
Cel: układ mikroprocesorów odtwarzajacy 1010 neuronow, 1014 synaps, pobór mocy: 1
kW, objętość: 2 litry ~ ludzki mózg (pobor mocy 20 W). Do zastosowania w robotach.
Ostatni raport (IBM Research Division 2013 technical report): model zlozony z 5*1011
neuronów (5 razy więcej niż ludzki mózg).
Maciez 4x4 układów scalonych opracowanych przez
SyNAPSE. Każdy układ składa się miliona ‘neuronow’ i 256
milionow polaczen miedzy nimi. Uklad 5.4 biliona
tranzystorów opracowany w technologii 28nm jest jednym z
najbardziej zlozonych ukladow scalonych kiedykolwiek
wyprodukowanych.
Dlaczego modelowanie?
Aby zrozumiec dzialanie mozgu, potrzebne jest uzyskanie informacji z wielu roznych
kategorii:
• Anatomia poszczegolnych neuronow, ich polaczen, grup i wyzszego poziomu organizacji
(obwody)
• Farmakologia kanalow jonowych, neuroprzekaznikow, modulatorow i receptorow
• Biochemia i biologia molekularna enzymow, czynnikow wzrostu i genow bioracych
udzial w rozwoju i dzialaniu mozgu, percepcji, zachowaniu, uczeniu i chorobach.
Uzyskanie tej wiedzy jest konieczne, ale nie wystarczajace do pelnego zrozumienia
funkcjonowania mózgu. Procesowanie informacji zalezy od rozchodzenia sie i
oddzialywania sygnalow chemicznych i elektrycznych w czasie i w przestrzeni. Sygnaly te
sa regulowane i generowane przez zlozone nieliniowe mechanizmy i zlozone struktury
anatomiczne.
Hipotezy dotyczace tych mechanizmow i sygnalow wymagaja weryfikacji, ktorą mozna
przeprowadzic na modelu obliczeniowym. Modelowanie jest zatem niezwykle cennym
sposobem na uzykanie wgladu w działanie mozgu. Symulacje sa w stanie
zmaksymalizowac stosunek uzykanego wgladu do wlozonego wysilku.
Kroki w tworzeniu modelu
Model koncepcyjny zawiera najwazniejsze skladowe, ktore leza u podstaw danej funkcji lub wlasnosci układu
fizycznego. Opracowanie modelu koncepcyjnego wymaga uproszczenia I abstrahowania. Model koncepcyjny
jest najczęściej wyrażony w postaci równań matematycznych, czasem w formie algorytmu komputerowego.
Model obliczeniowy jest wiernym przelozeniem modelu koncepcyjnego na symulacje komputerowa.
Kroki w tworzeniu modelu przykład
Jezyk hoc (High Order Calculator) – język interpretowany do pisania skryptow w symulatorze
Neuron
Dostępne symulatory
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