新的软件将树突的特性整合到神经网络模型中
![The main characteristics of dendrify. a) Dendrify stemmed from our efforts to bridge the gap between detailed biophysical models and reduced I&F models. The result is a modeling framework for developing simplified compartmental models that balance efficiency and biological accuracy by capturing the most important characteristics of both worlds. b) Dendrify facilitates the development of SNNs comprising reduced compartmental neurons (ball and sticks) and known dendritic phenomena, such as various types of local spikes (Color code; teal: Na + spikes, red: Ca 2+ spikes, orange: NMDA spikes. Scale bar: 20 mV/10 ms). Credit: Nature Communications (2023). DOI: 10.1038/s41467-022-35747-8 研究人员离揭开大脑功能的秘密又近了一步](https://scx1.b-cdn.net/csz/news/800a/2023/researchers-a-step-clo.jpg)
FORTH-IMBB的研究人员开发了创新的计算工具来揭示树突的作用;复杂的神经元大脑结构在信息处理中起着关键作用。新软件允许将重要的树突特性合并到神经网络模型中。这项工作在理解大脑功能和人工智能领域都有重要的应用。
破译的秘密大脑被认为是21世纪最重要的科学努力之一。更好地理解大脑功能的潜在机制将有助于神经疾病治疗的研究以及人工智能领域,人工智能已成为我们社会不可分割的一部分。
在最近的出版物中,在自然通讯Panayiota Poirazi博士是hellas研究与技术基金会(FORTH)分子生物学和生物技术研究所(IMBB)的研究主任,他的团队提出了一种新的软件框架,允许将树突及其关键机制纳入大规模神经网络模型。
树突是神经细胞的分支延伸,形态上类似于树木的树枝(因此得名)。它们的主要功能是接收来自其他神经元的信息(以电信号或化学信号的形式),并将其传输到细胞主体。自它们被发现以来的几十年里,它们在信息处理由于研究的技术限制,仍然未知。
但最近的研究表明,树突具有丰富的机制,使它们能够独立于主神经元执行复杂的数学计算。同时,树突对于神经系统的可塑性也同样重要,即大脑改变和适应环境的能力。这一过程在学习、记忆、决策和认知等复杂的大脑功能中起着主导作用。
虽然我们现在很大程度上了解树突对单个神经元行为的贡献,但它们在网络或整个大脑区域水平上的含义仍未被探索。少数研究将树突复杂性与各种认知标记联系起来,并且树突在衰老或阿尔茨海默病等神经退行性疾病中会下降。此外,对人工智能的研究已经受益于使用树状机制,作为开发新的改进和更有效算法的灵感来源。然而,许多悬而未决的问题仍然存在,Poirazi博士的团队希望他们正在开发的工具将有助于那些试图理解树突在大脑中的作用的人的工作大脑功能.
这项研究引入了一种新的软件框架,即使是幼稚的用户也可以以简单有效的方式构建带有树突的神经元模型,从而最小化计算复杂度.这样的计算模型有助于阐明树突在复杂大脑功能中的作用,同时也有助于将其纳入神经形态设备,这是一种神经启发的人工智能架构。
这项工作由克里特岛大学生物系的博士候选人Michalis Pangalos领导,在Poirazi博士的监督下,与IMBB的博士后研究员Spiros Chavlis博士合作。
更多信息:Michalis Pagkalos等人,介绍了将树突合并到spike神经网络的Dendrify框架,自然通讯(2023)。DOI: 10.1038 / s41467 - 022 - 35747 - 8