计算神经科学

计算神经科学,亦称理论神经科学数学神经科学,是神经科学的分支,为一门跨领域学科,包含神经科学认知科学信息工程计算机科学物理学数学等。主要特点是透过数学模型与理论分析,将人抽象化,尝试理解神经系统调控神经的原则,像是神经系统发展构造生理认知功能[1][2][3][4]

理论上,计算神经科学是理论神经科学的子领域,该领域旨在用计算机程序模拟的方式来验证与解决数学模型。 但由于大多数的数学模型若建立在符合生物学的情况下,会变得过于复杂,无法进行分析。因此这两个术语被视为同义词,可交换使用[5],数学神经科学亦可用来强调该领域的定量性质。[6]

计算神经科学与联结主义机器学习人工神经网络人工智能计算学习理论英语Computational learning theory等不符合生物学的模型无关,其模型对神经元神经系统的描述,着重于在生理学与动力学上是符合生物学的。[7][8][9][10][11]

理论神经科学的模型旨在获取生物系统在多个时间及空间尺度上重要功能,像是膜电流、通过神经振荡的化学耦合,和记忆、学习与行为等。这些假设的计算模型可以通过生物学或心理学实验上的直接检验。

历史 编辑

计算神经科学一词首次出现于1985年,由史瓦兹英语Eric L. Schwartz加州卡莫市主办的会议中提出。其后出现的类似名词包含神经模型、脑理论及神经网络。后来相关的解释定义皆收录于麻省理工学院出版(1990)之《计算神经科学》(Computational Neuroscience )一书内。

有关此领域的研究最早可追溯自艾伦·劳埃德·霍奇金安德鲁·赫胥黎大卫·休伯尔托斯坦·威泽尔,以及大卫·马尔等人。以及艾伦·劳埃德·霍奇金与安德鲁·赫胥黎发明电压钳技术英语Voltage clamp,首次成功的将动作电位数值化。大卫·休伯尔及托斯坦·威泽尔则发现主要视觉皮质区(primary visual cortex),此区负责处理由虹膜传来的第一手消息,将接收区与汇整区做出整理(大卫·休伯尔与托斯坦·威泽尔, 1962)。

主要议题 编辑

计算神经科学的研究可以大致分为几类。多数计算神经科学家与实验人员密切合作,分析最新资料与合成生物现象的新模型。

单神经元建模 编辑

即使只有单一个神经元亦具有复杂的生物物理特征且可进行运算[12]霍克金赫胥黎的原始霍克金-赫胥黎模型英语Hodgkin–Huxley model仅仅使用两个压敏电流(电位敏感离子通道是一种糖蛋白分子,存在于所有细胞的细胞膜上,延伸穿过细胞膜的双层脂膜,允许离子等在特定情况下穿过该通道):速效钠离子与内向整流钾离子。尽管其成功地预测动作电位的时间与定性特征,但其模型无法预测如适应与分流。现今科学家认为压敏电流在不同动力学上的调节与灵敏度,是计算神经科学的重要议题。[13]

复杂树突的计算功能亦在深入研究中,除此之外还有许多探讨不同电流是如何与神经元交互作用的文献。[14]

一些模型也在跟踪微型的生化途径,如突触棘或是突触间隙。

有许多软件可以快速和系统地对现实中的神经元进行电脑建模,如GENESISNEURON洛桑联邦理工学院蓝脑项目是一个由亨利·马克拉姆所创立的项目,该项目的目的是在蓝色基因超级计算机上对皮层柱建立一个详细的生物物理模拟。

在单神经元尺度上对其丰富的生物物理特性进行建模可以为网络动力学的构建模块提供基础机制。[15] 然而,因为神经网络有许多神经元需要被模拟,详细的神经元模拟会产生过高的算力消耗并限制对现实中的神经网络的研究。因此,研究大型神经回路的研究人员通常会用一个简化的人工模型来表示每个神经元和突触从而省略掉一些细节。为了获得能在低计算开销的情况下仍保留重要的生物保真度的模型,科研界开发了许多算法以从计算昂贵的详细神经元模型中产生忠实的、运行更快的、简化的代理神经元模型。[16]

发育以及轴突的形态和引导 编辑

计算神经科学旨在解决一系列广泛的问题。在发育过程中,轴突树突是如何形成的?轴突如何知道哪里是目标以及如何到达这些目标?神经元如何迁移到中枢和外周系统中的适当位置?突触是如何形成的?我们从分子生物学中了解到了神经系统的不同部位会释放不同的化学信号,比如生长因子激素,这些化学信号调节和影响神经元之间的连接。对突触连接的形成和其形态学的理论研究仍处于萌芽状态。最近获得一些关注的一个假说是 "最小布线假说",该假说认为轴突和树突的形成可以在保持最大信息储存的同时有效地将资源分配减少到最低。[17]


参见 编辑

参考资料 编辑

  1. ^ Trappenberg, Thomas P. Fundamentals of computational neuroscience. Oxford: Oxford University Press https://www.worldcat.org/oclc/48835124. 2002. ISBN 0-19-851582-0. OCLC 48835124.  缺少或|title=为空 (帮助)
  2. ^ Computational Neuroscience - The MIT Press. web.archive.org. 2011-06-04 [2020-07-03]. (原始内容存档于2011-06-04). 
  3. ^ Press, The MIT. Theoretical Neuroscience | The MIT Press. mitpress.mit.edu. [2020-07-03]. (原始内容存档于2018-05-31) (英语). 
  4. ^ Gerstner, Wulfram,; Naud, Richard,; Paninski, Liam,. Neuronal dynamics : from single neurons to networks and models of cognition. Cambridge https://www.worldcat.org/oclc/885338083. ISBN 978-1-107-44761-5. OCLC 885338083.  缺少或|title=为空 (帮助)
  5. ^ Trappenberg, Thomas P. Fundamentals of computational neuroscience. Second edition. Oxford https://www.worldcat.org/oclc/869736152. ISBN 978-0-19-102944-8. OCLC 869736152.  缺少或|title=为空 (帮助)
  6. ^ Journal of physiology - Paris: an international review journal for the neurosciences entirely in English.. Journal of physiology - Paris : an international review journal for the neurosciences entirely in English. 1992 [2020-07-03]. ISSN 0928-4257. (原始内容存档于2020-02-16) (英语). 
  7. ^ Bortin, M. M.; Rose, W. C.; Truitt, R. L.; Rimm, A. A.; Saltzstein, E. C.; Rodey, G. E. Graft versus leukemia. VI. Adoptive immunotherapy in combination with chemoradiotherapy for spontaneous leukemia-lymphoma in AKR mice. Journal of the National Cancer Institute. 1975-11, 55 (5): 1227–1229. ISSN 0027-8874. PMID 1546. doi:10.1093/jnci/55.5.1227. 
  8. ^ Encephalos Journal. www.encephalos.gr. [2020-07-03]. (原始内容存档于2011-06-25). 
  9. ^ Zorzi, Marco; Testolin, Alberto; Stoianov, Ivilin P. Modeling language and cognition with deep unsupervised learning: a tutorial overview. Frontiers in Psychology. 2013-08-20, 4. ISSN 1664-1078. PMC 3747356 . PMID 23970869. doi:10.3389/fpsyg.2013.00515. 
  10. ^ Di Paolo, Ezequiel A. Organismically-inspired robotics: homeostatic adaptation and teleology beyond the closed sensorimotor loop (PDF). Dynamical systems approach to embodiment and sociality. 2003: 19-42. 
  11. ^ Pfeifer, R.; Fogelman-Soulié, F.; Steels, L. Connectionism in Perspective.. Oxford: Elsevier Science https://www.worldcat.org/oclc/843201769. 1989. ISBN 978-0-444-59876-9. OCLC 843201769.  缺少或|title=为空 (帮助)
  12. ^ Forrest, Michael D. Intracellular calcium dynamics permit a Purkinje neuron model to perform toggle and gain computations upon its inputs. Frontiers in Computational Neuroscience. 2014, 8: 86 [2020-07-03]. ISSN 1662-5188. PMC 4138505 . PMID 25191262. doi:10.3389/fncom.2014.00086. (原始内容存档于2020-02-13). 
  13. ^ Johnston, Daniel, 1947-. Foundations of cellular neurophysiology. Cambridge, Mass.: MIT Press https://www.worldcat.org/oclc/29702508. 1995. ISBN 0-262-10053-3. OCLC 29702508.  缺少或|title=为空 (帮助)
  14. ^ Koch, Christof, 1956-. Biophysics of computation : information processing in single neurons. New York: Oxford University Press https://www.worldcat.org/oclc/778073952. 1999. ISBN 978-0-19-976055-8. OCLC 778073952.  缺少或|title=为空 (帮助)
  15. ^ Forrest MD. Intracellular Calcium Dynamics Permit a Purkinje Neuron Model to Perform Toggle and Gain Computations Upon its Inputs.. Frontiers in Computational Neuroscience. 2014, 8: 86. PMC 4138505 . PMID 25191262. doi:10.3389/fncom.2014.00086 . 
  16. ^ Forrest MD. Simulation of alcohol action upon a detailed Purkinje neuron model and a simpler surrogate model that runs >400 times faster. BMC Neuroscience. April 2015, 16 (27): 27. PMC 4417229 . PMID 25928094. doi:10.1186/s12868-015-0162-6. 
  17. ^ Chklovskii DB, Mel BW, Svoboda K. Cortical rewiring and information storage. Nature. October 2004, 431 (7010): 782–8. Bibcode:2004Natur.431..782C. PMID 15483599. S2CID 4430167. doi:10.1038/nature03012. 
    Review article

参考文献 编辑

外部链接 编辑

相关期刊 编辑

相关软件 编辑

国际会议 编辑

相关网站 编辑