| p:abstract
| - Computational neuroscience is an interdisciplinary science that links the diverse fields of neuroscience, cognitive science, electrical engineering, computer science, physics and mathematics. Historically, the term was introduced by Eric L. Schwartz, who organized a conference, held in 1985 in Carmel, California at the request of the Systems Development Foundation, to provide a summary of the current status of a field which until that point was referred to by a variety of names, such as neural modeling, brain theory and neural networks. The proceedings of this definitional meeting were later published as the book "Computational Neuroscience", MIT Press(1990). The early historical roots of the field can be traced to the work of people such as Hodgkin & Huxley, Hubel & Wiesel, and David Marr, to name but a few. Hodgkin & Huxley developed the voltage clamp and created the first mathematical model of the action potential. Hubel & Wiesel discovered that neurons in primary visual cortex, the first cortical area to process information coming from the retina, have oriented receptive fields and are organized in columns (Hubel & Wiesel, 1962). David Marr's work focused on the interactions between neurons, suggesting computational approaches to the study of how functional groups of neurons within the hippocampus and neocortex interact, store, process, and transmit information. Computational modeling of biophysically realistic neurons and dendrites began with the work of Wilfrid Rall, with the first multicompartmental model using cable theory.
Computational neuroscience is distinct from psychological connectionism and theories of learning from disciplines such as machine learning, neural networks and statistical learning theory in that it emphasizes descriptions of functional and biologically realistic neurons (and neural systems) and their physiology and dynamics. These models capture the essential features of the biological system at multiple spatial-temporal scales, from membrane currents, protein and chemical coupling to network oscillations, columnar and topographic architecture and learning and memory. These computational models are used to test hypotheses that can be directly verified by current or future biological experiments.
Currently, the field is undergoing a rapid expansion. There are many software packages, such as GENESIS and NEURON, that allow rapid and systematic in silico modeling of realistic neurons. Blue Brain, a collaboration between IBM and École Polytechnique Fédérale de Lausanne, aims to construct a biophysically detailed simulation of a cortical column on the Blue Gene supercomputer. (en)
- La Neurociencia computacional es una ciencia interdisciplinar que enlaza los diversos campos de la neurociencia, la ciencia cognitiva, la ingeniería eléctrica, las ciencias de la computación, la física y las matemáticas. El término fue introducido por Eric L. Schwartz en una conferencia de 1985 en Carmel, California, a petición de la Systems Development Foundation, para ofrecer un resumen del estado actual de un campo que hasta entonces era nombrado de muy diversas formas: modelado neural, teoría cerebral y redes neurales. Las actas de esta reunión definitoria fueron publicadas más tarde en el libro "Neurociencia Computacional", MIT Press (1990). Las primeras raíces históricas del campo pueden ser rastreadas hasta el trabajo de personas como Hodgkin y Huxley, Hubel y Wiesel, y David Marr, por nombrar unos pocos. Hodgkin y Huxley desarrollaron la pinza de voltaje y crearon el primer modelo matemático del potencial de acción. Hubel y Wiesel descubrieron que las neuronas de la corteza visual primaria, la primera área cortical que procesa información desde la retina, poseían campos receptivos orientados y organizados en columnas (Hubel y Wiesel, 1959). El trabajo de David Marr se centró en las interacciones entre neuronas, sugeriendo un acercamiento computacional al estudio de cómo ciertos grupos funcionales de neuronas en el hipocampo y el neocórtex interactúan, almacenan, procesan y transmiten información. Los modelos computacionales biológicamente realistas de neuronas y dendritas comenzaron con las investigaciones de Wilfrid Rall, y el primer modelo multicompartimental se basó en la teoría de cables.
La neurociencia computacional difiere del conexionismo psicológico y de las teorías del aprendizaje de disciplinas como el aprendizaje automático, las redes neurales y la teoría del aprendizaje estadístico en que enfatiza las descripciones funcional y biológicamente realistas de neuronas (y sistemas neurales), su fisiología y su dinámica. Estos modelos captan las características esenciales del sistema biológico en múltiples escalas espacio-temporales desde las corrientes de membranas, proteínas y acomplamiento químico hasta las oscilaciones de redes, la arquitectura topográfica y de columnas, y el aprendizaje y la memoria. Estos modelos computacionales se usan para probar hipótesis que puedan ser verificadas directamente mediante experimentos biológicos actuales o futuros.
En la actualidad, este campo está experimentando una rápida expansión. Existe gran variedad de programas, como el GENESIS o el NEURON, que permiten un veloz y sistemático modelado in silico de neuronas realistas. Blue Brain, una colaboración entre IBM y la Escuela Politécnica Federal de Lausanne, pretende construir una simulación biofísica detallada de una columna cortical en el superordenador Blue Gene. (es)
- Les Neurosciences computationnelles sont un champ de recherche des neurosciences qui s'applique à découvrir les principes computationnels dans l'activité neuronale, c'est-à-dire des algorithmes génériques qui permettent de comprendre l'implémentation dans notre système nerveux central de nos fonctions cognitives. Ce but a été défini en premier lieu par David Marr dans une série d'articles fondateurs.
Elles visent à développer des méthodes de calcul pour mieux comprendre les relations complexes entre la structure et la fonction du cerveau et du système nerveux en général. Outre une meilleure connaissance de la cognition et de ses dysfonctionnements, cette démarche permet d'appliquer un transfert de ces connaissances neuroscientifiques en proposant de nouvelles méthodes de traitement de l'information et des dispositifs technologiques innovants. Elle peut s'appliquer à différents niveaux de description, de la molécule au comportement, et nécessite l'intégration constructive de nombreux domaines disciplinaires, des sciences du vivant à la modélisation.
Ne pas confondre avec la bioinformatique dont le champ est limité (en pratique) à la génétique. (fr)
- 計算論的神経科学（けいさんろんてきしんけいかがく）は、脳を情報処理機械に見立ててその機能を調べるという脳研究の一分野である。その創始は視覚の計算理論で知られるデビッド・マーであり、計算論的神経科学はヒトの視覚と運動制御を研究する分野で一定の成功を収めている。
デビッド・マーは彼の著書"Vision"の中で、脳を理解するためには異なる3つのレベルでの理解が必要であると主張し、情報処理システムとしての脳を研究するための指針を与えた。3つのうち最上位のレベルは抽象的な計算理論である。そこでは、計算の目的は何か、何故それが適切なのか、そしてその実行可能な方略の論理は何なのかということが問われる。また、最下層のレベルはハードウェアのレベルであり、明らかとなった計算問題がどのような物理的な機構により解かれているかというものだ。具体的には神経細胞や神経回路などが対象となる。さらに、この上位の計算理論と下位のハードウェアのレベルをつなぐ概念としてアルゴリズムと表現というレベルがある。これは、脳に入出力される情報の表現および入力から出力に変換するのに用いられるアルゴリズムについてのレベルで、上位の計算理論がハードウェアの上でどのように実現されるのかを理解しようとする。マーによる以上のようなレベルを意識して、上位のレベルから研究を行うアプローチを計算論的神経科学という。
*計算理論(computational theory)
: 計算の目的とその適切性を議論し、実行可能な方法の論理を構築
*アルゴリズムと表現(representation and algorithm)
: 計算理論の実行方法。特にその入力と出力の表現と変換のためのアルゴリズム
*ハードウェアによる実現(hardware implementation)
: 表現とアルゴリズムの物理的な実現
このような定義に沿って行われる計算論的アプローチは、神経生理学などから実験的に集められた神経細胞の動作や結合などの知見からボトムアップ的に脳の情報処理の仕組に迫る方法とは逆に、脳が行っている情報処理の計算理論から順に情報表現やアルゴリズム、神経回路の構成としてのハードウェアの仕組を解明するというトップダウン的な手法である。 (ja)
- 計算神經科學Computational neuroscience為一種跨領域科學，包含了神經科學、認知科學、資訊工程、電腦科學、物理學及數學。這個詞首次出現於1985年， 由史瓦茲(Eric L. Schwartz)於加州卡莫市主辦的會議中提出。其後出現的類似名詞包含neural modeling, brain theory 及 neural networks。後來相關的解釋定義皆收錄於麻省理工學院出版(1990)之Computational Neuroscience一書內。有關此領域的研究最早可追溯自Hodgkin與Huxley 、Hubel與Wiesel, 及 David Marr,等人Hodgkin & Huxley發明 voltage clamp 技術，首次成功的將動作電位數值化。Hubel及Wiesel則發現主要視覺皮質區(primary visual cortex)，此區負責處理由虹膜傳來的第一手訊息，將接收區與彙整區做出整理(Hubel & Wiesel, 1962)。 (zh)
|
![[RDF Data]](http://dbpedia.org/statics/sw-cube.png)
