علوم اعصاب محاسباتی

از ویکی‌پدیا، دانشنامهٔ آزاد
(تغییرمسیر از عصب‌شناسی محاسباتی)
پرش به: ناوبری، جستجو

علوم اعصاب محاسباتی (Computational neuroscience) مطالعه عملکرد مغز در پردازش خصوصیات ساختاری است که سیستم عصبی را تشکیل می دهند می باشد.از جملهٔ زمینه‌های علمی وسیع و گسترده بین رشته‌ای که شاخه‌های علمی متنوّعی همچون علوم اعصاب، علوم شناختی، روانشناسی، علوم رایانه، فیزیک، نظریه اطلاعات و ریاضیات کاربردی را به همدیگر پیوند می‌دهد. علوم اعصاب محاسباتی مجزا از ارتباط گرایی روانی و از نظریه های رشته هایی مانند یادگیری ماشین، شبکه های عصبی، سیستم های دینامیکی و تئوری یادگیری محاسباتی است که در آن بر توصیف از سلول های عصبی عملکردی و بیولوژیکی واقعی (و سیستم عصبی) و فیزیولوژی خود و مسائل یادگیری تاکید دارد. این مدل ضبط ویژگی های ضروری از سیستم بیولوژیکی در چند مقیاس فضایی-زمانی، از جریان های غشاء و فرآیندهای غشایی، پروتئین ها، و اتصال شیمیایی به نوسانات شبکه، معماری ستونی و توپوگرافی، و یادگیری و حافظه است.

تاریخچه[ویرایش]

واژه‎ی «علوم اعصاب محاسباتی»، توسط اریک.ال شوارتز معرفی شد، کسی که کنفرانسی که در سال 1985 در کارمل-بای-د-سی، کالیفرنیا برگزار شد را ترتیب داد. این کنفرانس به درخواست بنیاد توسعه‎ی سیستم برای تهیه‎ی خلاصه‎ای از وضعیت فعلی رشته‎ای که تا آن زمان به اسامی مختلفی مانند: مدل‎سازی عصبی، تئوری مغز و شبکه‎ی عصبی اشاره می‎کرد، برگزار شد. اقدامات این جلسه‎ی تعیین کننده، در سال 1990 تحت عنوان کتاب «علوم اعصاب محاسباتی» منتشر شد.

موضوعات اصلی[ویرایش]

مهم ترین پرسش علوم شناختی محاسباتی، چگونگی پردازش اطلاعات در سطوح مختلف مغز است. موضوعات و مسائل اصلی مورد مطالعه و پژوهش در حوزه پهناور علوم اعصاب محاسباتی را می‌توان به صورت‌های گوناگون شمارش و دسته‌بندی کرد.

مدل‌سازی‌های محاسباتی[ویرایش]

مدل‌های محاسباتی مربوط به عمل‌کردهای مغز رواج فراوانی یافته‌اند و روز بروز بر اهمیت آن‌ها افزوده می‌شود. انگیزه‌ها و علل این امر را باید در تولید سریع مجموعه‌های حجیم داده‌های تجربی از یک سو، و پیشرفت‌های عمده در حوزه‌های فناوری و علوم محاسباتی نظیر هوش ماشینی، کاوش در داده‌ها، پایگاه‌های داده‌ها، و ظهور رایانه‌های سریع و پر قدرت از سوی دیگر جستجو کرد. از سوی دیگر، علاوه بر رویکرد، مدل سازی های محاسباتی به طور خاص تر به مطالعه در کارکرد های عالی تر مغز در سطوح کلان (بیشتر مرتبط با فرایندهای شناختی و شبکه های نورونی) و یا سطوح خرد (سطح تک نورونی) می پردازد.

بنابر نظر غالب پژوهشگران علوم اعصاب، مدل 'هاجکین-هاکسلی' نخستین و شاید از مهمترین مدل های ارائه شده در این زمینه است. این مدل ریاضی که برای نخستین بار در سال 1952 توسط آلن لوید هاجکین و اندرو فیلدینگ هاکسلی دو فیزیولوژیست و زیست‌شناس سرشناس بریتانیایی ارائه شد، برای به تبیین و تشریح چگونگی تولید و انتشار پتانسیل عمل در نورون می پردازد. هاجکین و هاکسلی مطالعات خود را بر روی آکسون اره ماهی انجام دادند و سپس موفق به نمایش نتایج بدست آمده به صورت دستگاهی متشکل از چهار معادله دیفرانسیل معمولی شدند که تولید و انتشار پتانسیل عمل را به ارتباطات متقابل و چرخه ای یون های سدیم ، پتاسیم و کلسیم در غشای نورون نسبت می دهند. بسیاری از تاریخ نگاران علم ، ارائه این مدل را از بزرگترین دستاوردهای تاریخ قرن بیستم می دانند. بعدها نسخه ها و تغییرات جدیدتری از این مدل ارائه شد که از مهمترین آنها می توان به مدل فیتزهوگو-ناگومو اشاره کرد که برخلاف مدل نخستین و به دلیل پیشرفت فن آوری های پزشکی، چگونگی انتشار پتانسیل عمل را در نورون های مغز انسان بررسی کرد. همچنین نتایج این مدل ها توسط کامپیوتر شبیه‌سازی شد.

جستارهای وابسته[ویرایش]

منابع[ویرایش]