Obliczmy sobie neuron
Prowadzący: Mikołaj Maurycy Miękus
Czyli co wychodzi, gdy za neurobiologię zabierają się matematycy, fizycy i programiści.
„Wszystkie modele są złe, ale niektóre są użyteczne”.
George E. P. Box
Na warsztatach prawdopodobnie spotkamy i jedne, i drugie, a obiektem naszego modelowania będzie neuron — podstawowa komórka przetwarzająca informacje w ludzkim mózgu. Zobaczymy, jak za pomocą prostych równań opisać można elektryczne właściwości komórek nerwowych oraz synaps — połączeń przekazujących informacje między nimi. Sami zaimplementujemy podstawowe modele używane w neurobiologii obliczeniowej, takie jak leaky-integrate-and-fire czy Hodgkin-Huxley.
Następnie wykorzystamy nasze modele do stworzenia sieci neuronowych, w których neurony porozumiewać się będą za pomocą potencjałów czynnościowych (spike'ów, stąd spiking neural networks). Porównamy je z innym podejściem, tzw. rate-based networks oraz z klasycznymi sztucznymi sieciami neuronowymi. Na tych przykładach omówimy, w jaki sposób neurony mogą kodować informacje oraz w jaki sposób sieci neuronowe, takie jak ludzki mózg, mogą się uczyć.
Wymagania
Podczas warsztatów przydadzą się poniższe umiejętności, sprawdzane w zadaniach kwalifikacyjnych:
- Podstawowa wiedza o funkcjonowaniu komórek nerwowych.
- Podstawowe zrozumienie prostych równań różniczkowych. Umiejętność ich analitycznego i numerycznego obliczania.
- Programowanie w języku Python. W szczególności warto zapoznać się z działaniem bibliotek numpy i matplotlib. Na warsztatach korzystać możemy również z brian2, którą polecam zawczasu zainstalować (link do tutoriala).
Oprócz tego ważnym elementem warsztatów będzie praca z Jupyter Notebookami, które pozwalają na bardziej interaktywne podejście do kodu oraz wygodną wizualizację danych.