为大众提供神经质量建模:通过FastDMF实现全脑生物物理建模的民主化
Rubén Herzog1, Pedro A M Mediano2,3, Fernando E Rosas4,5,6,7
1Sorbonne Universite, Institut du Cerveau - Paris Brain Institute - ICM, Inserm, CNRS, Paris, France.
Network neuroscience (Cambridge, Mass.)
|December 30, 2024
概括
一个新的计算模型,FastDMF,使全脑模拟更加高效和可访问. 这允许大规模的大脑建模,改善我们对大脑机制和动态的理解.
科学领域:
- 计算神经科学是一种计算神经科学.
- 神经成像分析分析神经成像分析
- 系统神经科学 系统神经科学
背景情况:
- 全脑计算模型对于理解大脑机制至关重要.
- 动态平均场 (DMF) 模型将生物物理现实主义与大规模的大脑数据相结合.
- 目前的DMF实现面临计算限制,限制模拟的大脑区域的数量.
研究的目的:
- 引入一个高效和可访问的实现动态平均场模型,命名为FastDMF.
- 克服现有的DMF模型中的计算瓶.
- 为了实现大脑区域数量显著增加的全脑模拟.
主要方法:
- 开发了FastDMF,这是动态平均场模型的优化实现.
- 纳入了分析和数值进步,包括新的反抑制参数估计.
- 使用贝叶斯优化算法来提高性能和减少内存使用量.
主要成果:
- 与以前的DMF实现相比,FastDMF显著提高了解释性,性能和内存效率.
- 该模型成功地将模拟的大脑区域的数量增加了数量级.
- 使用FastDMF对90个和1000个大脑区域进行的模拟显示了与fMRI数据的良好匹配.
结论:
- 快速DMF克服了计算的局限性,使大规模的,生物物理接地全脑建模更容易获得.
- 这一进步有助于研究大脑解剖,功能和动态之间的关系.
- 能够为细粒度神经成像研究的发现提供机械解释.
