Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Learning the shape of synaptic plasticity rules for neuronal architectures and function through machine learning.

Descripción del proyecto

Aprendizaje automático para descubrir las reglas qué rigen los sustratos neuronales del aprendizaje real

Los modelos se utilizan en prácticamente todos los campos, desde el diseño aeroespacial hasta el desarrollo de fármacos. Se desarrollan con datos observacionales o experimentales y se perfeccionan mediante datos adicionales y métodos de alta tecnología, incluido el aprendizaje automático. Cuanto mejor puedan predecir los resultados nuevos y de la vida real, más valiosos serán en muchos sentidos. Modelar las reglas que rigen los «pesos» cambiantes de la conexión sináptica entre neuronas (plasticidad sináptica) que subyace al aprendizaje y la memoria es una tarea extremadamente desafiante. El proyecto SynapSeek, financiado con fondos europeos, reunirá una gran cantidad de datos publicados con métodos avanzados de aprendizaje automático para «descubrir» reglas de plasticidad sináptica «in silico».

Objetivo

How do we learn to dance, play an instrument, or a game as complex as chess or go? How do we make a memory? The common answer to these questions is “through synaptic plasticity”, through changing the synaptic connectivity of neural circuits so that representative brain activity can be reliably triggered. Such connectivity changes are governed by rules, i.e. synaptic mechanisms which monitor the activity of their environment and stereotypically strengthen or weaken synapses accordingly. The shape and mode of operation of these rules is still largely unknown: For the more than hundred different connection types in cortical circuits, only a handful of rules has been described at all. Similarly, testing observed rules in simulations of cortical function has only seen limited success. Our slow progress is due to the extraordinary difficulty of measuring and observing synapses without interference.

Here, we propose a new approach. By utilizing the growing power of machine learning methods we can deduce synaptic plasticity rules directly. Newly developed search algorithms and sheer computational power allow us to integrate published data and infer synaptic rules in silico. We aim to (1) develop a new mathematical expression of synaptic plasticity rules, experimentally appropriate and flexible enough to be implemented in a Machine Learning framework, dubbed SYNAPSEEK. Next (2), we will apply SYNAPSEEK to deduce the rules for building various neural structures with increasing complexity. Finally (3), we will incorporate additional constraints to SYNAPSEEK to develop synaptic rules that shape network function as much as its structure. Our work will establish, for the first time, canonical sets of synaptic plasticity rules, based on the circuit structure they must produce, and the function they are meant to support. SYNAPSEEK will have immediate and wide ranging applications, from a basic understanding of cortical development to better protocols for Deep Brain Stimulation.

Ámbito científico (EuroSciVoc)

Este proyecto aún no se ha clasificado con EuroSciVoc.
Sugiera los ámbitos científicos que considere más relevantes y ayúdenos a mejorar nuestro servicio de clasificación.

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

ERC-COG - Consolidator Grant

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) ERC-2018-COG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

INSTITUTE OF SCIENCE AND TECHNOLOGY AUSTRIA
Aportación neta de la UEn
€ 1 768 919,41
Dirección
Am Campus 1
3400 Klosterneuburg
Austria
Región
Ostösterreich Niederösterreich Wiener Umland/Nordteil
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
€ 1 768 919,41

Beneficiarios (2)