1 Computer Science & Communication Martin Rehn, CBN, KTH Hjärnan i datorn Martin Rehn CBN, CSC, KTH f.d. SANS, NADA, KTH.

En presentation över ämnet: "1 Computer Science & Communication Martin Rehn, CBN, KTH Hjärnan i datorn Martin Rehn CBN, CSC, KTH f.d. SANS, NADA, KTH."— Presentationens avskrift:

1 1 Computer Science & Communication Martin Rehn, CBN, KTH Hjärnan i datorn Martin Rehn CBN, CSC, KTH f.d. SANS, NADA, KTH

2 2 Computer Science & Communication Martin Rehn, CBN, KTH Vår grupp: Computational Biology & Neurocomputing (CBN) Biomekaniska modeller Beräkningsneurobiologi Systembiologi 15 personer Nära samarbete med Karolinska institutet

3 3 Computer Science & Communication Martin Rehn, CBN, KTH Biomekaniska modeller Gång- och simrörelser Neuronnätsmodeller Mekaniska modeller

4 4 Computer Science & Communication Martin Rehn, CBN, KTH Systembiologi Biokemiska nätverk  -cell i pancreas

5 5 Computer Science & Communication Martin Rehn, CBN, KTH Beräkningsneurobiologi Modeller av enskilda nervceller Nätverks- modeller

6 6 Computer Science & Communication Martin Rehn, CBN, KTH Modellering av synbarken Hur kan en simulering hjälpa oss att förstå hur hjärnan arbetar?

7 7 Computer Science & Communication Martin Rehn, CBN, KTH Primära synbarken i apa ”Receptiva fält” i synbarken (Den signal som intresserar en viss cell mest) Runda och långsmala former Ett receptivt fält Receptiva fält från ett antal celler Data från D. Ringach

8 8 Computer Science & Communication Martin Rehn, CBN, KTH Representation av synintryck Signalering begränsas av ämnesomsättningen “Mjuk” gleshet = låg genomsnittlig aktivitet  Enkel ur beräkningssynpunkt “Hård gleshet” = få aktiva nervceller  Fungerar bättre att lagra i minnet  Svårare att beräkna

9 9 Computer Science & Communication Martin Rehn, CBN, KTH Resultat från simulering “Mjuk” gleshet: Bara kantiga former “Hård” gleshet: Även runda former (stämmer bättre!) Mjuk gleshet Hård gleshet Apa (experiment)

10 10 Computer Science & Communication Martin Rehn, CBN, KTH TMH Modulär hjärnbarksmodell MinikolumnHyperkolumnCell

11 11 Computer Science & Communication Martin Rehn, CBN, KTH TMH IBM BlueGene/L

12 12 Computer Science & Communication Martin Rehn, CBN, KTH TMH Egen simuleringsprogramvara (”SPLIT”) Blue Gene/L (IBM Rochester) 2048 processorer (1/32 av maskinen) Simuleringsstorlek 9,5 miljoner nervceller (1/6 av full skala) 5 miljarder synapser (1/100 av full skala) 1:100 av realtid inofficiellt världsrekord Simulering av hjärnbarken i råtta

13 13 Computer Science & Communication Martin Rehn, CBN, KTH TMH Framtidsperspektiv Hjärnforskning  Datavetenskap Datorn och hjärnan: simulering, dataanalys, medicinska tillämpningar Hjärnan och datorn: djurlik artificiell intelligens

14 14 Computer Science & Communication Martin Rehn, CBN, KTH TMH Slut