La gente se ha vuelto bastante realista con los modelos computacionales de algunas neuronas. Sin embargo, estamos limitados en lo que sabemos. Existen muchos tipos diferentes de neuronas y hasta que se haya observado y modelado un cierto subtipo de receptor de neurotransmisores, no podemos realmente hacer un modelo 100% exacto de neuronas con ese receptor. Pero para ciertas neuronas (como la neurona piramidal CA1), conocemos muchos detalles.
El entorno de desarrollo más común para los neurocientíficos computacionales que hacen modelos biofísicos es NEURON, que tiene una GUI y puede interactuar con Python.
http://www.neuron.yale.edu/neuron/
Para el modelado neuronal, es importante reconocer que el conjunto de ecuaciones que describe la membrana, el ion y la dinámica sináptica es su modelo, no el programa que escribe para resolver estas ecuaciones. Por lo tanto, una vez que tenga un conjunto de ecuaciones, puede resolverlas con cualquier solucionador de EDO (como Matlab o SciPy).
- ¿Por qué es tan difícil para las personas comprender el hecho de que existen diferentes tipos de redes neuronales?
- Todavía estoy decidiendo mi carrera y considerando seriamente la tecnología CCNA. ¿Un robot se hará cargo de mi trabajo pronto?
- ¿Por qué no podemos entender la función cerebral como entendemos la IA de la computadora?
- ¿Por qué no podríamos usar una técnica similar al 'copyleft' para evitar que una IA fuerte cree otras IA que puedan sortear las restricciones de comportamiento incorporadas?
- ¿Cuál es la diferencia entre el aprendizaje automático, el aprendizaje profundo y la IA?
NEURON ya está diseñado para el modelado neuronal, y tiene un conjunto de estándares para definir varios aspectos de la dinámica. Muchos neurocientíficos computacionales contribuirán con sus modelos a esta base de datos:
http://senselab.med.yale.edu/Neu…
Para todo esto, puede descargarlos y cargarlos en NEURON. Como dije antes, sabemos mucho más sobre algunas neuronas que otras … la neurona piramidal CA1 del hipocampo de roedores ha sido la más estudiada y, por lo tanto, tiene los modelos computacionales más completos. Puede encontrar la lista NeuronDB de modelos CA1 aquí:
http://senselab.med.yale.edu/Mod…
Dado que un modelo, por definición, no es equivalente a su fuente, todos los modelos faltarán de alguna manera. Algunos son más detallados que otros. La mayoría de los modelos están desarrollados para hacer una pregunta específica, y así minimizar todo lo demás. Un modelo interesado en una sinapsis única podría ignorar la compleja estructura dendrítica y tratar la neurona como una esfera.