Komputationaalinen neurotiede

Komputationaalinen neurotiede eli laskennallinen neurotiede (joskus myös teoreettinen neurotiede tai matemaattinen neurotiede) tarkoittaa on neurotieteen alan haara, joka soveltaa matematiikkaa, tietojenkäsittelytiedettä ja teoreettista analyysiä keskushermoston kehityksen, rakenteen, fysiologian ja kongitiivisten taitojen ymmärtämiseksi.^[1][2][3][4]

Komputationaalinen neurotiede käyttää laskennallisia simulaatioita matemaattisten mallien todentamiseen ja ratkaisemiseen.^[5] Täten komputationaalinen neurotiede voidaan luokitella teoreettisen neurotieteen alan haaraksi.^[6] Toisaalta näihin kahteen alaan kuitenkin suhtaudutaan synonyymisesti. Matemaattisen neurotieteen termiä käytetään myös joskus korostamaan alan kvantitatiivista luonnetta.^[7]

Komputationaalinen neurotiede keskittyy biologisesti mahdollisten neuronien eli hermosolujen sekä hermostojärjestelmien kuvaamiseen niiden fysiologian ja dynamiikan kautta. Tämän takia komputationaalinen neurotiede ei siksi suoraan käsittele biologisesti epärealistisia malleja, joita käytetään yhteyksissä kuten konnektionismi, säätöteoria, kybernetiikka, kvantitatiivinen psykologia, koneoppiminen, tekoäly ja laskennallinen oppimisteoria.^[8][9][10] Molempien alojen välillä on keskinäistä inspiraatiota eikä niiden välillä ole aina tiukkaa rajaa.^[11][12][13] Laskennallisen neurotieteen mallien abstraktiotaso riippuu tutkimuksen laajuudesta ja siitä, millä biologisilla elementeillä tarkasteltava alue analysoidaan.

Teoreettisen neurotieteen mallit pyrkivät jäljittelemään biologisen järjestelmän olennaisia piirteitä monilla spatiaalis-temporaalisilla asteikoilla, hermosolujen solukalvon sähkötoiminnoist ja kemiallisesta kytkennästä verkkovärähtelyjen, sarakkeellisen ja topografisen arkkitehtuurin, ytimien, aina psykologisten kykyjen kuten muistin, oppimisen ja käyttäytymisen tasolle. Nämä komputationaaliset mallit asettavat hypoteeseja, jotka voidaan suoraan testata biologisilla tai psykologisilla kokeilla.

1. ↑ Trappenberg, Thomas P.: Fundamentals of Computational Neuroscience, s. 2. United States: Oxford University Press Inc., 2010. ISBN 978-0-19-851582-1 Teoksen verkkoversio.
2. ↑ ”What is computational neuroscience?”, Computational Neuroscience, s. 46–55. MIT Press, 1993. Teoksen verkkoversio. Arkistoitu 4.6.2011. (Arkistoitu – Internet Archive)
3. ↑ Theoretical neuroscience: computational and mathematical modeling of neural systems. Cambridge, Mass: MIT Press, 2001. ISBN 978-0-262-04199-7
4. ↑ Neuronal Dynamics. Cambridge, UK: Cambridge University Press, 2014. ISBN 9781107447615
5. ↑ Fan, Xue; Markram, Henry: A Brief History of Simulation Neuroscience. Frontiers in Neuroinformatics, 2019, 13. vsk. PubMed:31133838 PubMed Central:6513977 doi:10.3389/fninf.2019.00032 ISSN 1662-5196
6. ↑ Thomas, Trappenberg: Fundamentals of Computational Neuroscience, s. 2. OUP Oxford, 2010. ISBN 978-0199568413 Teoksen verkkoversio.
7. ↑ Gutkin, Boris; Pinto, David; Ermentrout, Bard: Mathematical neuroscience: from neurons to circuits to systems. Journal of Physiology-Paris, 1.3.2003, 97. vsk, nro 2, s. 209–219. PubMed:14766142 doi:10.1016/j.jphysparis.2003.09.005 ISSN 0928-4257 S2CID:10040483
8. ↑ Kriegeskorte, Nikolaus; Douglas, Pamela K.: Cognitive computational neuroscience. Nature Neuroscience, September 2018, 21. vsk, nro 9, s. 1148–1160. PubMed:30127428 PubMed Central:6706072 doi:10.1038/s41593-018-0210-5 ISSN 1546-1726 Bibcode:2018arXiv180711819K arXiv:1807.11819 (englanniksi)
9. ↑

   Tämän artikkelin viitteitä on tuotu vieraskielisestä lähteestä ja siihen ei ole vaihdettu suomenkielisen wikipedian käyttämää viitemallinetta. Voit auttaa Wikipediaa vaihtamalla artikkelissa olevan {{Citation}} viitemallineen suomenkielisen wikipedian vastaavaan mallineeseen viitemallineiden luettelosta. Tarkennus: Organismically-inspired robotics: homeostatic adaptation and teleology beyond the closed sensorimotor loop

10. ↑ Brooks, R.; Hassabis, D.; Bray, D.; Shashua, A.: Turing centenary: Is the brain a good model for machine intelligence? Nature, 22.2.2012, 482. vsk, nro 7386, s. 462–463. PubMed:22358812 doi:10.1038/482462a ISSN 0028-0836 Bibcode:2012Natur.482..462. S2CID:205070106 (englanniksi)
11. ↑ Browne, A.: Neural Network Perspectives on Cognition and Adaptive Robotics. CRC Press, 1.1.1997. ISBN 9780750304559 Teoksen verkkoversio. (englanniksi)
12. ↑ Zorzi, Marco; Testolin, Alberto; Stoianov, Ivilin P.: Modeling language and cognition with deep unsupervised learning: a tutorial overview. Frontiers in Psychology, 20.8.2013, 4. vsk, s. 515. PubMed:23970869 PubMed Central:3747356 doi:10.3389/fpsyg.2013.00515 ISSN 1664-1078
13. ↑ Shai, Adam; Larkum, Matthew Evan: Branching into brains. eLife, 5.12.2017, 6. vsk. PubMed:29205152 PubMed Central:5716658 doi:10.7554/eLife.33066 ISSN 2050-084X (englanniksi)