hjärnan i datorn martin rehn cbn, csc, kth

1

Computer Science & Communication

Martin Rehn, CBN, KTH

Hjärnan i datornMartin RehnCBN, CSC, KTH

f.d.SANS, NADA, KTH

2



Vår grupp: Computational Biology & Neurocomputing (CBN)

• Biomekaniska modeller• Beräkningsneurobiologi• Systembiologi

• 15 personer

Nära samarbete med Karolinskainstitutet

3



Biomekaniska modeller

Gång- och simrörelser

NeuronnätsmodellerMekaniska modeller

4



Systembiologi

Biokemiska nätverk

-cell i pancreas

5



Beräkningsneurobiologi

Modeller av enskilda nervceller

Nätverks-modeller

6



Modellering av synbarken

Hur kan en simulering hjälpa oss att förstå hur hjärnan arbetar?

7



Primära synbarken i apa ”Receptiva fält” i synbarken(Den signal som intresserar en viss cell mest) Runda och långsmala former

Ett receptivt fält

Receptiva fält från ett antal celler

Data från D. Ringach

8



Representation av synintryck

Signalering begränsas av ämnesomsättningen “Mjuk” gleshet = låg genomsnittlig aktivitet

Enkel ur beräkningssynpunkt “Hård gleshet” = få aktiva nervceller

Fungerar bättre att lagra i minnet Svårare att beräkna

9



Resultat från simulering “Mjuk” gleshet: Bara kantiga former “Hård” gleshet: Även runda former (stämmer bättre!)

Mju

k gl

eshe

tH

ård

gles

het

Apa (experiment)

TMH10



Modulär hjärnbarksmodellMinikolumn HyperkolumnCell

TMH11



IBM BlueGene/L

TMH12



• Egen simuleringsprogramvara (”SPLIT”)• Blue Gene/L (IBM Rochester)

• 2048 processorer (1/32 av maskinen)• Simuleringsstorlek

• 9,5 miljoner nervceller (1/6 av full skala)• 5 miljarder synapser (1/100 av full skala)• 1:100 av realtid• inofficiellt världsrekord

Simulering av hjärnbarken i råtta

TMH14



Slut

hjärnan i datorn martin rehn cbn, csc, kth

Documents