Un modelo neuronal de cognición y lenguaje restringido por el cerebro con NEST: transición desde el marco Felix

Área de la Ciencia:

• La neurociencia computacional es la neurociencia computacional.
• La neurociencia es la neurociencia.
• La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

• Los modelos neurocomputacionales existentes requieren una optimización para la eficiencia y la accesibilidad.
• Las simulaciones de redes neuronales con picos de alto rendimiento son cruciales para modelar funciones cerebrales complejas.

Objetivo del estudio:

• Introducir un modelo neurocomputacional con restricciones cerebrales implementado en NEST para simular funciones cognitivas superiores.
• Mejorar la accesibilidad, reproducibilidad y eficiencia computacional de un modelo cerebral desarrollado previamente.
• Validar la implementación de NEST replicando hallazgos anteriores y evaluando el rendimiento computacional.

Principales métodos:

• El modelo comprende neuronas excitatorias e inhibidoras en picado en 12 regiones corticales, incorporando la inhibición global y el ruido neuronal.
• Utiliza la plasticidad de Hebbian biológicamente plausible (LTP/LTD) para el aprendizaje asociativo.
• Las simulaciones se realizaron utilizando el simulador NEST y se compararon con los resultados de la biblioteca de simulación Felix personalizada.

Principales resultados:

• La implementación de NEST replicó con éxito distribuciones topográficas de ensamblaje celular después del aprendizaje asociativo, reflejando los resultados previos de neuroimagen.
• Mientras que NEST produjo conjuntos de células más grandes, se preservaron las características fundamentales de la red.
• La eficiencia computacional se mejoró significativamente, y el tiempo de ejecución de la simulación se redujo casi seis veces en comparación con el modelo basado en Felix.

Conclusiones:

• La transición del modelo neurocomputacional restringido por el cerebro a NEST mejora su utilidad para la investigación en neurociencia cognitiva.
• La mejora de la eficiencia computacional es vital para la futura expansión del modelo, incluyendo la incorporación de más regiones corticales.
• La implementación de NEST proporciona una plataforma robusta y eficiente para simular las funciones cognitivas humanas superiores.