Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Los cient\u00edficos lograron un gran avance en la predicci\u00f3n del comportamiento de las neuronas en grandes redes que operan al borde misterioso del caos. <\/p>\n
Una nueva investigaci\u00f3n de la Universidad de Sussex y la Universidad de Kyoto describe un nuevo m\u00e9todo capaz de analizar las masas de datos generados por miles de neuronas individuales.<\/p>\n
El nuevo marco supera a los modelos anteriores en la predicci\u00f3n y evaluaci\u00f3n de las propiedades de la red al estimar con mayor precisi\u00f3n las fluctuaciones de un sistema con una mayor sensibilidad a los cambios de par\u00e1metros.<\/p>\n
A medida que las nuevas tecnolog\u00edas permiten el registro de miles de neuronas de animales vivos, existe una demanda apremiante de herramientas matem\u00e1ticas para estudiar el desequilibrio, complejos din\u00e1mica de los conjuntos de datos de alta dimensi\u00f3n que generan. En este esfuerzo, los investigadores esperan ayudar a responder preguntas clave sobre c\u00f3mo los animales procesan la informaci\u00f3n y se adaptan a los cambios ambientales.<\/p>\n
Los investigadores tambi\u00e9n creen que su trabajo podr\u00eda ser efectivo para reducir el enorme costo computacional y la huella de carbono del entrenamiento. grandes modelos de IA que hacen que dichos modelos est\u00e9n mucho m\u00e1s disponibles para laboratorios de investigaci\u00f3n o empresas m\u00e1s peque\u00f1os.<\/p>\n
Dr. Miguel Aguilera, investigador Marie Sklodowska-Curie en la Escuela de Ingenier\u00eda e Inform\u00e1tica de la Universidad de Sussex, dijo: \u00abSolo recientemente hemos tenido la tecnolog\u00eda para registrar miles de neuronas individuales en animales mientras interact\u00faan con su entorno, que es un tremendo avance desde el estudio de redes de neuronas aisladas en cultivos de laboratorio o en animales inmovilizados o anestesiados.<\/p>\n
\u00abEste es un avance muy emocionante, pero a\u00fan no tenemos los m\u00e9todos para analizar y comprender la enorme cantidad de datos creados por el comportamiento de no equilibrio. Nuestra contribuci\u00f3n ofrece la posibilidad de hacer avanzar la tecnolog\u00eda para encontrar modelos que expliquen c\u00f3mo las neuronas procesan la informaci\u00f3n y generan comportamiento\u00bb.<\/p>\n
El art\u00edculo, publicado hoy en Nature Communications, desarrolla m\u00e9todos para aproximarse r\u00e1pidamente a la compleja din\u00e1mica de las neuronas. modelos de red que capturan c\u00f3mo se comportan las neuronas reales observadas en el laboratorio, c\u00f3mo est\u00e1n conectadas y c\u00f3mo procesan la informaci\u00f3n.<\/p>\n
En un importante paso adelante, el equipo de investigaci\u00f3n ha creado un m\u00e9todo que funciona en estados significativamente fluctuantes, no -situaciones de equilibrio en las que operan los animales cuando interact\u00faan con su entorno en el mundo real.<\/p>\n
El Dr. Aguilera dijo: \u00abLa forma m\u00e1s eficiente de aprender c\u00f3mo funcionan los sistemas grandes es usar modelos estad\u00edsticos y aproximaciones, y la forma m\u00e1s comunes de estos son los m\u00e9todos de campo medio, donde el efecto de todas las interacciones en una red se aproxima mediante un efecto promedio simplificado.<\/p>\n
\u00abPero estas t\u00e9cnicas a menudo solo funcionan en c muy idealizados condiciones Los cerebros est\u00e1n en constante cambio, desarrollo y adaptaci\u00f3n, mostrando patrones fluctuantes complejos e interactuando con entornos que cambian r\u00e1pidamente. Nuestro modelo tiene como objetivo capturar con precisi\u00f3n las fluctuaciones en estas situaciones de no equilibrio que esperamos de los animales que se comportan libremente en su entorno natural\u00bb.<\/p>\n
El m\u00e9todo estad\u00edstico captura la din\u00e1mica de grandes redes espec\u00edficamente en la regi\u00f3n del borde del caos, una regi\u00f3n especial de comportamiento entre la actividad ca\u00f3tica y ordenada, donde tienen lugar intensas fluctuaciones en la actividad neuronal, conocidas como avalanchas neuronales.<\/p>\n
A diferencia de los modelos matem\u00e1ticos anteriores, los investigadores aplicaron un enfoque geom\u00e9trico de la informaci\u00f3n para capturar mejor las correlaciones de la red, lo que les permiti\u00f3 crear mapas simplificados que se aproximan a la trayectoria de la actividad neuronal que, en realidad, recorre rutas extremadamente complejas que son dif\u00edciles de calcular directamente.<\/p>\n
Dr. S. Amin Moosavi, investigador en el Graduate School of Informatics de la Universidad de Kyoto, dijo: \u00abLa geometr\u00eda de la informaci\u00f3n nos brinda un camino claro para avanzar sistem\u00e1ticamente en nuestros m\u00e9todos y sugerir enfoques novedosos, resu lting en herramientas de an\u00e1lisis de datos m\u00e1s precisas\u00bb.<\/p>\n
El profesor Hideaki Shimazaki, profesor asociado en la Escuela de Graduados de Inform\u00e1tica de la Universidad de Kyoto, dijo: \u00abAdem\u00e1s de proporcionar m\u00e9todos de c\u00e1lculo avanzados para sistemas grandes, el marco unifica muchos enfoques existentes a partir de los cuales podemos avanzar a\u00fan m\u00e1s en la neurociencia y el aprendizaje autom\u00e1tico. Nos complace ofrecer una visi\u00f3n tan unificadora que expresa un sello distintivo del progreso cient\u00edfico como producto de esta intensa colaboraci\u00f3n internacional\u00bb.<\/p>\n
El Dr. Aguilera aplicar\u00e1 a continuaci\u00f3n estos m\u00e9todos para modelar miles de neuronas de pez cebra en el laboratorio que interact\u00faa con una configuraci\u00f3n de realidad virtual como parte del proyecto DIMENSIVE, financiado con fondos europeos, que tiene como objetivo desarrollar modelos generativos de comportamiento a gran escala y proporcionar informaci\u00f3n importante sobre c\u00f3mo surge el comportamiento de la interacci\u00f3n din\u00e1mica del sistema nervioso, el cuerpo y el entorno de un organismo. <\/p>\n
Explore m\u00e1s<\/p>\n
Una NEAT reducci\u00f3n de modelos neuronales complejos acelera la investigaci\u00f3n del cerebro M\u00e1s informaci\u00f3n:<\/strong> Nature Communications (2021). DOI: 10.1038\/s41467-021-20890-5 Journal informaci\u00f3n:<\/strong> Nature Communications <\/p>\n Proporcionado por la Universidad de Sussex Cita<\/strong>: Dar sentido a los datos masivos generados por la activaci\u00f3n de neuronas (2021, 19 de febrero) recuperado el 30 de agosto de 2022 de https:\/ \/medicalxpress.com\/nuevo s\/2021-02-mass-neurons.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico Los cient\u00edficos lograron un gran avance en la predicci\u00f3n del comportamiento de las neuronas en grandes redes que operan al borde misterioso del caos. Una nueva investigaci\u00f3n de la Universidad de Sussex y la Universidad de Kyoto describe un nuevo m\u00e9todo capaz de analizar las masas de datos generados por miles … Continuar leyendo \u00abDando sentido a los datos masivos generados por la activaci\u00f3n de neuronas\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-15034","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/15034","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=15034"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/15034\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=15034"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=15034"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=15034"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}