計算神經科學

計算神經科學,亦稱理論神經科學數學神經科學,是神經科學的分支,為一門跨領域學科,包含神經科學認知科學資訊工程電腦科學物理學數學等。主要特點是透過數學模型與理論分析,將人抽象化,嘗試理解神經系統調控神經的原則,像是神經系統發展構造生理認知功能[1][2][3][4]

理論上,計算神經科學是理論神經科學的子領域,該領域旨在用電腦程式類比的方式來驗證與解決數學模型。 但由於大多數的數學模型若建立在符合生物學的情況下,會變得過於複雜,無法進行分析。因此這兩個術語被視為同義詞,可交換使用[5],數學神經科學亦可用來強調該領域的定量性質。[6]

計算神經科學與聯結主義機器學習類神經網路人工智慧計算學習理論英語Computational learning theory等不符合生物學的模型無關,其模型對神經元神經系統的描述,著重於在生理學與動力學上是符合生物學的。[7][8][9][10][11]

理論神經科學的模型旨在獲取生物系統在多個時間及空間尺度上重要功能,像是膜電流、通過神經振盪的化學耦合,和記憶、學習與行為等。這些假設的計算模型可以通過生物學或心理學實驗上的直接檢驗。

歷史

計算神經科學一詞首次出現於1985年,由史瓦茲英語Eric L. Schwartz加州卡莫市主辦的會議中提出。其後出現的類似名詞包含神經模型、腦理論及神經網路。後來相關的解釋定義皆收錄於麻省理工學院出版(1990)之《計算神經科學》(Computational Neuroscience )一書內。

有關此領域的研究最早可追溯自艾倫·勞埃德·霍奇金安德魯·赫胥黎大衛·休伯爾托斯坦·威澤爾,以及大衛·馬爾等人。以及艾倫·勞埃德·霍奇金與安德魯·赫胥黎發明電壓鉗技術英語Voltage clamp,首次成功的將動作電位數值化。大衛·休伯爾及托斯坦·威澤爾則發現主要視覺皮質區(primary visual cortex),此區負責處理由虹膜傳來的第一手訊息,將接收區與彙整區做出整理(大衛·休伯爾與托斯坦·威澤爾, 1962)。

主要議題

計算神經科學的研究可以大致分為幾類。多數計算神經科學家與實驗人員密切合作,分析最新資料與合成生物現象的新模型。

單神經元建模

即使只有單一個神經元亦具有複雜的生物物理特徵且可進行運算[12]霍克金赫胥黎的原始霍克金-赫胥黎模型英語Hodgkin–Huxley model僅僅使用兩個壓敏電流(電位敏感離子通道是一種醣蛋白分子,存在於所有細胞的細胞膜上,延伸穿過細胞膜的雙層脂膜,允許離子等在特定情況下穿過該通道):速效鈉離子與內向整流鉀離子。儘管其成功地預測動作電位的時間與定性特徵,但其模型無法預測如適應與分流。現今科學家認為壓敏電流在不同動力學上的調節與靈敏度,是計算神經科學的重要議題。[13]

複雜樹突的計算功能亦在深入研究中,除此之外還有許多探討不同電流是如何與神經元互動作用的文獻。[14]

一些模型也在跟蹤微型的生化途徑,如突觸棘或是突觸間隙。

有許多軟體可以快速和系統地對現實中的神經元進行電腦建模,如GENESISNEURON洛桑聯邦理工學院藍腦計畫是一個由亨利·馬克拉姆所創立的專案,該專案的目的是在藍色基因超級電腦上對皮層柱建立一個詳細的生物物理類比。

在單神經元尺度上對其豐富的生物物理特性進行建模可以為網路動力學的構建模組提供基礎機制。[15] 然而,因為神經網路有許多神經元需要被類比,詳細的神經元類比會產生過高的算力消耗並限制對現實中的神經網路的研究。因此,研究大型神經迴路的研究人員通常會用一個簡化的人工模型來表示每個神經元和突觸從而省略掉一些細節。為了獲得能在低計算開銷的情況下仍保留重要的生物保真度的模型,科研界開發了許多演算法以從計算昂貴的詳細神經元模型中產生忠實的、執行更快的、簡化的代理神經元模型。[16]

發育以及軸突的形態和引導

計算神經科學旨在解決一系列廣泛的問題。在發育過程中,軸突樹突是如何形成的?軸突如何知道哪裡是目標以及如何到達這些目標?神經元如何遷移到中樞和外周系統中的適當位置?突觸是如何形成的?我們從分子生物學中了解到了神經系統的不同部位會釋放不同的化學訊號,比如生長因子激素,這些化學訊號調節和影響神經元之間的連接。對突觸連接的形成和其形態學的理論研究仍處於萌芽狀態。最近獲得一些關注的一個假說是 "最小布線假說",該假說認為軸突和樹突的形成可以在保持最大資訊儲存的同時有效地將資源分配減少到最低。[17]


參見

參考資料

  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=為空 (幫助)
  2. ^ Computational Neuroscience - The MIT Press. web.archive.org. 2011-06-04 [2020-07-03]. (原始內容存檔於2011-06-04). 
  3. ^ Press, The MIT. Theoretical Neuroscience | The MIT Press. mitpress.mit.edu. [2020-07-03]. (原始內容存檔於2018-05-31) (英語). 
  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=為空 (幫助)
  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=為空 (幫助)
  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. (原始內容存檔於2020-02-16) (英語). 
  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]. (原始內容存檔於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=為空 (幫助)
  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. (原始內容存檔於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=為空 (幫助)
  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=為空 (幫助)
  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

參考文獻

外部連結

相關期刊

相關軟體

國際會議

相關網站