Komputationaalinen neurotiede

Komputationaalinen neurotiede eli laskennallinen neurotiede (joskus myös teoreettinen neurotiede tai matemaattinen neurotiede) tarkoittaa on neurotieteen alan haara, joka soveltaa matematiikkaa, tietojenkäsittelytiedettä ja teoreettista analyysiä keskushermoston kehityksen, rakenteen, fysiologian ja kongitiivisten taitojen ymmärtämiseksi.^[1][2][3][4]

Komputationaalinen neurotiede käyttää laskennallisia simulaatioita matemaattisten mallien todentamiseen ja ratkaisemiseen.^[5] Täten komputationaalinen neurotiede voidaan luokitella teoreettisen neurotieteen alan haaraksi.^[6] Toisaalta näihin kahteen alaan kuitenkin suhtaudutaan synonyymisesti. Matemaattisen neurotieteen termiä käytetään myös joskus korostamaan alan kvantitatiivista luonnetta.^[7]

Komputationaalinen neurotiede keskittyy biologisesti mahdollisten neuronien eli hermosolujen sekä hermostojärjestelmien kuvaamiseen niiden fysiologian ja dynamiikan kautta. Tämän takia komputationaalinen neurotiede ei siksi suoraan käsittele biologisesti epärealistisia malleja, joita käytetään yhteyksissä kuten konnektionismi, säätöteoria, kybernetiikka, kvantitatiivinen psykologia, koneoppiminen, tekoäly ja laskennallinen oppimisteoria.^[8][9][10] Molempien alojen välillä on keskinäistä inspiraatiota eikä niiden välillä ole aina tiukkaa rajaa.^[11][12][13] Laskennallisen neurotieteen mallien abstraktiotaso riippuu tutkimuksen laajuudesta ja siitä, millä biologisilla elementeillä tarkasteltava alue analysoidaan.

Teoreettisen neurotieteen mallit pyrkivät jäljittelemään biologisen järjestelmän olennaisia piirteitä monilla spatiaalis-temporaalisilla asteikoilla, hermosolujen solukalvon sähkötoiminnoist ja kemiallisesta kytkennästä verkkovärähtelyjen, sarakkeellisen ja topografisen arkkitehtuurin, ytimien, aina psykologisten kykyjen kuten muistin, oppimisen ja käyttäytymisen tasolle. Nämä komputationaaliset mallit asettavat hypoteeseja, jotka voidaan suoraan testata biologisilla tai psykologisilla kokeilla.

1. ↑ Trappenberg, Thomas P. (2010). Fundamentals of Computational Neuroscience. United States: Oxford University Press Inc., 2. ISBN 978-0-19-851582-1. 
2. ↑ (1993) "What is computational neuroscience?", Computational Neuroscience. MIT Press, 46–55.  (Arkistoitu – Internet Archive)
3. ↑ (2001) Theoretical neuroscience: computational and mathematical modeling of neural systems. Cambridge, Mass: MIT Press. ISBN 978-0-262-04199-7. 
4. ↑ (2014) Neuronal Dynamics. Cambridge, UK: Cambridge University Press. ISBN 9781107447615. 
5. ↑ "A Brief History of Simulation Neuroscience" (2019). Frontiers in Neuroinformatics 13. doi:10.3389/fninf.2019.00032. ISSN 1662-5196. PMID 31133838. 
6. ↑ Thomas, Trappenberg (2010). Fundamentals of Computational Neuroscience. OUP Oxford, 2. ISBN 978-0199568413. 
7. ↑ "Mathematical neuroscience: from neurons to circuits to systems" (2003-03-01). Journal of Physiology-Paris 97 (2): 209–219. doi:10.1016/j.jphysparis.2003.09.005. ISSN 0928-4257. PMID 14766142. 
8. ↑ "Cognitive computational neuroscience" en (September 2018). Nature Neuroscience 21 (9): 1148–1160. doi:10.1038/s41593-018-0210-5. ISSN 1546-1726. PMID 30127428. Bibcode: 2018arXiv180711819K. 
9. ↑

   Tämän artikkelin viitteitä on tuotu vieraskielisestä lähteestä ja siihen ei ole vaihdettu suomenkielisen wikipedian käyttämää viitemallinetta. Voit auttaa Wikipediaa vaihtamalla artikkelissa olevan {{Citation}} viitemallineen suomenkielisen wikipedian vastaavaan mallineeseen viitemallineiden luettelosta. Tarkennus: Organismically-inspired robotics: homeostatic adaptation and teleology beyond the closed sensorimotor loop

10. ↑ "Turing centenary: Is the brain a good model for machine intelligence?" En (2012-02-22). Nature 482 (7386): 462–463. doi:10.1038/482462a. ISSN 0028-0836. PMID 22358812. Bibcode: 2012Natur.482..462.. 
11. ↑ Browne, A. (1997-01-01). Neural Network Perspectives on Cognition and Adaptive Robotics (in en). CRC Press. ISBN 9780750304559. 
12. ↑ "Modeling language and cognition with deep unsupervised learning: a tutorial overview" (2013-08-20). Frontiers in Psychology 4: 515. doi:10.3389/fpsyg.2013.00515. ISSN 1664-1078. PMID 23970869. 
13. ↑ "Branching into brains" en (2017-12-05). eLife 6. doi:10.7554/eLife.33066. ISSN 2050-084X. PMID 29205152.