Brainstorms - schnitzer.at
Werbung
Brainstorms Eine Einführung in die Computational Neuroscience Seminar: Brain Modeling/Georg Dorffner Vortragender: Dominik `Aeneas` Schnitzer <[email protected]> Überblick 4. Simulation des Gehirns? 6. Einführung in die Computational Neuroscience 1. Neurobiologie 2. Modelltypen 3. Neurocomputing 7. Neuromororphic Engineering 1. Was ist Neuromorphic Engineering 2. Wahrnehmung (Sehen, Riechen,...) 3. Sonstige Verrücktheiten? Brainstorms Eine Einführung in die Computational Neuroscience Simulation des Gehirns? Was ist Computational Neuroscience? • Neurobiologie vs. Informatik Warum Computational Neuroscience? • Das Gehirn läuft mit nur 0.0003 MHz Taktfrequenz! Warum also das lahme Hirn simulieren? • 2897678 : 3 = ??? Computational Neuroscience ist anderes "Computing": • Hoch Parallele Rechner/Algorithmen. Besseres Verständnis über neuronaler Informationsverarbeitung • Mustererkennung, Robotik, Lernen,... Brainstorms Eine Einführung in die Computational Neuroscience Neuronen Für CNS zur Modellbildung interessant: • Neuron ca. 1000 Verbindungen zu anderen • Elektrische Signalübertragung • Ladungen zwischen –70mv und +40mV • Aktionspotentiale/Burst/Spikes/ Membranpotentiale • Neurotransmitter-Stoffe (Glutamat > Altzheimer/Demenz) • AP Phasen: Brainstorms Eine Einführung in die Computational Neuroscience Neurobiologie - Messen • • • • • Positronenemissionstomographie (PET) Elektroenzephalogramm (EEG) Neuron Färbe Techniken • Radioaktive Tracer-Stoffe • Ladungssensitive Farbstoffe die mit dem Zellenmembran Potential oder Ca+ Ionen ihre Farbe wechseln Mikroskopie Selektives Abnehmen von Signalen durch elektrische Kontakte Brainstorms Eine Einführung in die Computational Neuroscience Neuronenmodellierung • Wie modelliert man Neuronen? Wie Neuronennetzwerke? • Welche Komplexitätsstufe wählt man? Brainstorms Eine Einführung in die Computational Neuroscience Einfache Modelle Integrate && Fire Model – Feuert bei erreichen von Schwellwert Leaky Integrate && Fire Model – Zusätzlich einen Parameter, der ältere Signale mit der Zeit "vergisst" Rate Model – Feuerrate eines Neurons wird normalerweise aus einer sigmoiden Funktion des neuronalen Membrans berechnet • Signalabnahme und Synapsentpyen parametrisierbar (z.B. Ändern der Kopplungswerte eines Neurons zu einem anderen, Geschwindigkeit des Erregens) Brainstorms Eine Einführung in die Computational Neuroscience Detaillierte Modelle Conductance Model – Neuronen Modell in dem die verschiedenen Ionenkanäle eines Neurons als Widerstände in einem Schaltkreis dargestellt sind ("Leitwerte-Modell") • Hodkin Huxley Modell (1952) Kinetische Modelle der Kanäle – Noch eine Stufe genauer! Beschreibt die Ionenkanal Ladungen durch die einzelnen Partikel, die den Kanal bilden Brainstorms Eine Einführung in die Computational Neuroscience Weitere Verfeinerungen (Es wird immer genauer!) Modelle mit Modifikation der Synapsen – kurzzeitige/ langzeitige Änderungen der synaptischen Verbindungen einbeziehen • Hebbsches Lernen Multikompartment Modelle – Einbezug der Dendritenverzweigungen des Neurons Brainstorms Eine Einführung in die Computational Neuroscience Neurocomputing Analog/Digitalsimulationen • digitale Simulation billiger • analoge Simulation "echter" (Parallelität, Verhalten) Digitale Implementation/Simulation: • Neuron (http://www.neuron.yale.edu/) • Genesis (www.genesis-sim.org) • NSL – Neural Simulation Language ( www.neuralsimulationlanguage.org) Brainstorms Eine Einführung in die Computational Neuroscience Neuromorphic Engineering • • Biologie/Technik > Biomorphic Engineering Neurobiologie/Informatik > Neuromorphic Engineering • Techniken nutzen, die die Natur in mehreren Millionen Jahren entwickelt hat Emulation auf elektrischem/digitalem Niveau, nicht biologisch Emulation – strukturellen und funktionalen Isomorphismus herstellen • • Brainstorms Eine Einführung in die Computational Neuroscience Wahrnehmung Sehen, natürliche Retina • • • • • • Retina ist künstlicher Bildaufnahme/-verarbeitung weit überlegen Helligkeitsdynamikbereich/ Datenverarbeitung/ räumliche und zeitliche Kompression 5 Zelltypen in 3 Schichten lokale Kopplung benachbarter Photorezeptoren Ganglienzellen leiten die "fertigen" Aktionspotentiale zum Gehirn logaritmische Charakteristik der Photorezeptoren Brainstorms Eine Einführung in die Computational Neuroscience Wahrnehmung Sehen mit einer künstlichen Retina • Erste Simulation durch analoges Modell (1970) • "Silicon Retina" • geringe Leistungsaufnahme • Implantate künstlicher Retinae: • (optische Täuschungen) Brainstorms Eine Einführung in die Computational Neuroscience Wahrnehmung Riechen • NOSE Neuromimetic Olfactory SEnsing • Spiking Neurons Modell • "Schnüffelt", besitzt 2 Nasenlöcher • Erkennt Gerüche anhand der Spike-Synchronisation • Verwendungsweck: Lokalisierung von Gasen Hören • Schall Lokalisierung • Fledermäuse Tasten • Oberflächenstruktur erfühlen Brainstorms Eine Einführung in die Computational Neuroscience Verrücktheiten? Neuroimplantate: • Steuerung von Prothesen • Aufzeichnung von Gedanken Crazy Cyborg Professor Kevin Warwick • Silikon Neuro-Implantat zur Aufzeichnung von Nervenimpulsen Brainstorms Eine Einführung in die Computational Neuroscience Fazit Damit... Brainstorms Eine Einführung in die Computational Neuroscience Danke! Brainstorms Eine Einführung in die Computational Neuroscience
