Modelowanie ukladu nerwowego

Semestr zimowy 2015/16

Materialy do zajec

http://www.fuw.edu.pl/~suffa/Modelowanie/

LiteraturaNicholas 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)

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, informatyka, matematyka i fizyka.

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 własności układu nerwowego. Własności te są 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/molekularnyDyfuzja jonów/neuroprzekaźników - poziom atomowy/molekularnyStochastyczne zachowanie kanałów jonowych – procesy MarkowaGeneracja potencjałów czynnosciowych – poziom pojedynczych neuronow (modele punktowe/kablowe/wielokompartmentowe)Wzorce generacji potencjałów czynnosciowych – poziom pojedynczych neuronowCiagi potencjałów czynnosciowych – procesy punktoweSieci neuronowe – uproszczone/realistyczne – poziom od malych sieci do funkcji ukladu nerwowegoSieci neuronowe + plastyczność synaptyczna - poziom od malych sieci do funkcji ukladu nerwowegoSieci neuronowe - korelacje miedzy zachowaniem neuronow – teoria informacjiModele wieloskalowe – poziom populacje neuronow/caly mozgModele neural mass, mean field i modele globalne – poziom populacje neuronow/caly mozg

Z: The HBP Pilot Report, April 2012

Wieloskalowe modele układu nerwowego

Diagram mikroobwodu korowo - wzgorzowego Symulacja fMRI. Widoczne antyskorelowane klastry aktywnosci (czerwony-niebieski), co odpowiada eksperymentalnym wynikom u ludzi

IZHIKEVICH MODEL: 108 neuronów, 22 rodzaje komórek, 5*108 synaps wraz z plastycznością. W modelu samorzutnie powstaje aktywność spontaniczna mózgu oraz rytmy (np. gamma).

Wieloskalowe modele układu nerwowego

BLUE BRAIN: rozpoczęty w 2005 r w pod kierownictwem Henry’ego Markrama, zespół neuronaukowców i informatyków z École Polytechnique Fédérale de Lausanne, w Szwajcarii, przeprowadził na supercomputerze IBM symulacje 1cm2 kory mózgowej.

Wieloskalowe modele układu nerwowego

Superkomputer stosowany w projekcie Blue Brain składa sie z 8000 procesorow, dzialajacych z szybkoscia 23 tryliony operacji (typu floating-point) na sekunde (23TFlops). Kazdy procesor służy do symulacji jednego lub dwoch neuronów.

Blue Gene superkomputer (projekt IBM)

Wizualizacja wynikow

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.

Wieloskalowe modele układu nerwowego

2005

2008

2011

20142023

iPAD4PlayStation4

HUMAN BRAIN PROJECT: celem projektu jest symulacja ludzkiego mózgu (budzet 1,2 miliarda Euro, 2013 - 2023). Na razie: realistyczne symulacje 106 neuronów i synaps. Dane (w tym połączenia) oparte są na mózgu gryzoni. Spodziewany efekt: “tracking the emergence of intelligence”. HBP jest kontynuacja projektu Blue Brain.

W projekcie Human Brain Project bierze udział zespół kierowany przez przez dr. hab. Piotra Bogorodzkiego z Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Zespół uczestniczy w części projektu dotyczącej tworzenia bazy danych zawierającej dane obrazowe, genetyczne, kliniczne oraz behawioralne.

x

x

Computing speed

Memory requirements

Mózg vs. komputer

DARPA SyNAPSE ProgramSyNAPSE - Systems of Neuromorphic Adaptive Plastic Scalable ElectronicsProjekt 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. Sila polaczen pomiedzy neuronami moze byc modyfikowana na zasadach podobnych jak w neuronach rzeczywistych. Uklad 5.4 biliona tranzystorów opracowany w technologii 28nm jest jednym z najbardziej zlozonych ukladow scalonych kiedykolwiek wyprodukowanych.

DARPA - Defense Advanced Research Projects Agency

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 ze sprzężeniem zwrotnym.

Hipotezy dotyczace tych mechanizmow i sygnalow wymagaja weryfikacji, ktorą mozna przeprowadzic na modelu obliczeniowym. Modelowanie jest zatem bardzo cennym sposobem na uzyskanie wglądu 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 komputerową.

Kroki w tworzeniu modelu - przykład

Jezyk hoc (High Order Calculator) – język interpretowany do pisania skryptow w symulatorze Neuron

Dostępne symulatoryBRIAN, a Python based simulatorEmergent, 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 modelsNEST, 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