Opis projektu
Dogłębna analiza procesów poznawczych dzięki modelowi opartemu na uczeniu maszynowym
Wprowadzenie modeli mechanistycznych dobrze dopasowanych do danych eksperymentalnych może znacząco poprawić zrozumienie właściwości komórkowych i sieciowych leżących u podstaw procesów poznawczych oraz tego, co prowadzi do stanów patologicznych. W ramach finansowanego z działań „Maria Skłodowska-Curie” projektu AutoMIND badacze proponują opracowanie narzędzia opartego na uczeniu maszynowym do wnioskowania o modelach. Umożliwi ono identyfikowanie parametrów poszczególnych modeli pulsujących sieci neuronowych i jednocześnie pozwoliłoby zarejestrować arbitralną docelową dynamikę neuronalną zapisów ludzkiego mózgu. Narzędzie będzie wykorzystywać najnowsze postępy w technikach wnioskowania opartego na symulacji, włączając jednoczesne uczenie wielu parametrów i symulacje oparte na gradientach. Ponadto będzie w stanie rozwiązywać problemy neuronaukowe na drodze eksperymentów in silico.
Cel
Human cognition depends on complex coordinated dynamics of neural populations, which is shaped by a rich heterogeneity in cellular properties and network connectivity patterns of neural circuits. While cognitive neuroscience leverages macroscopic brain signals to relate neural activity to behavioral states, we currently cannot dissect them for their physiological contributions, hindering mechanistic interpretations of experimental data. One way to systematically study how physiological parameters shape neural dynamics is through mechanistic modeling of spiking neural networks. However, current modeling approaches are not quantitatively constrained by observed electrophysiological data, and often require painstaking and ad-hoc parameter-tuning by hand. Efficient discovery of mechanistic models that are consistent with experimental data would dramatically accelerate our understanding of how cellular and network properties impact cognition, and why it breaks down in pathological states, representing a radical departure from how neural data is analyzed in cognitive neuroscience. To this end, I propose to develop a machine learning-assisted model inference tool—Automated Model Inference from Neural Dynamics (AutoMIND)—that can identify parameters of candidate spiking neural network models that could capture arbitrary target neural dynamics from human brain recordings. AutoMIND extends on recent advances in simulation-based inference techniques, incorporating simultaneous parameter manifold-learning and gradient-based simulations. AutoMIND has broad utility for tackling neuroscientific questions by enabling expedited in-silico experiments. Here, I apply it to multiscale neural data to study how cellular and network properties shape: 1) the emergence of synchronous network oscillations during early neurodevelopment, and 2) the difference in neural dynamics and computation between sensory and association cortices—two questions of fundamental importance to neuroscience.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
- nauki przyrodnicze nauki biologiczne neurobiologia neuronauka poznawcza
- nauki przyrodnicze informatyka sztuczna inteligencja inteligencja obliczeniowa
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2020
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaKoordynator
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
72074 Tuebingen
Niemcy
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.