Descrizione del progetto
L’apprendimento automatico scopre le regole che governano i substrati neurali dell’apprendimento reale
I modelli sono usati praticamente in tutti i settori, dalla progettazione aerospaziale allo sviluppo di farmaci. Sono sviluppati partendo da dati osservazionali o sperimentali e vengono perfezionati attraverso dati aggiuntivi e metodi ad alta tecnologia, tra cui l’apprendimento automatico. Quanto meglio riescono a prevedere la vita reale e nuovi risultati, tanto più diventano utili in una vasta gamma di ambiti. Modellare le regole che governano il cambiamento dei «pesi» della connessione sinaptica tra i neuroni, la plasticità sinaptica che è alla base dell’apprendimento e della memoria, è un compito estremamente impegnativo. Il progetto SynapSeek, finanziato dall’UE, unirà una grande quantità di dati pubblicati a metodi avanzati di apprendimento automatico per «scoprire» in silico le regole della plasticità sinaptica.
Obiettivo
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.
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
ERC-COG - Consolidator Grant
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) ERC-2018-COG
Vedi tutti i progetti finanziati nell’ambito del bandoIstituzione ospitante
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
3400 KLOSTERNEUBURG
Austria
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.