دوستان، جلسه رو داریم آغاز میکنیم...

حتی اگر مقالات رو نخوندید میتونید در جلسه شرکت کنید.

دو رویکرد به مطالعه عملکرد شناختی مغز

در این جلسه‌ی گفت‌وگوی نوروسینتکس به یک موضوع اساسی در علوم اعصاب پرداختیم:

آیا می‌توان میان رویکردهای مداری–ساختاری (که بر انواع نورون‌ها و مدارهای مشخص تمرکز می‌کنند) و رویکردهای دینامیکی–مانيفولد محور (که فعالیت جمعیت‌های بزرگ نورونی را در فضاهای حالت توصیف می‌کنند) آشتی برقرار کرد؟

ما با بررسی دو مقاله‌ی مهم—Two views on the cognitive brain و A unifying perspective on neural manifolds and circuits for cognition—به این پرسش پرداختیم که:

هر کدام از این رویکرد ها از چه دریچه ای به عملکرد مغز در شناخت نگاه میکنند؟

فلسفه بنیادین و نشانه های نگاه دینامیکی به مغز چیست؟

چه زمانی نگاه مداری برای درک سازوکارهای مغزی ضروری است و چه زمانی نگاه دینامیکی بهتر عمل می‌کند؟

آیا می‌توان این دو را به‌جای رقابت، در یک چارچوب تکمیلی دید؟

در مجموعه جلسات این موضوع که در ادامه خواهیم داشت در واقع تلاش خواهیم کرد تا تفاوت های این رویکرد ها را بهتر بشناسیم و آنها را تا جای ممکن به هم نزدیک کنیم.

#neurosyntax #agora

منابع یاری کننده برای یادگیری بحث neural manifold و state-space analysis

David Barack on "Two Views on the Cognitive Brain"

در این جلسه از سالن علوم اعصاب و فلسفه، نویسندگان مقاله اصلی که مورد بحث جلسه بود درباره رویکرد فکری خودشون بحث میکنن و نقدها رو پاسخ میدن.


Computation and Neural Manifolds

ویدیو دیگری از دیوید باراک بر روی منلیفد نورونی به عنوان رویکردی برای فهم محاسبات نورونی


Elegant Geometry of Neural Computations

Neural manifolds - The Geometry of Behaviour


ویدیوهای آرتم کیرسانو رو دنبال کنید. یکی از معدود منابعی هست که کوشش میکنه با بصری سازی بسیار جذاب و توضیحات ساده مفاهیم رو توضیح بده. خودش هم دانشجوی علوم اعصاب محاسباتی نیویورک هست.


Sara Solla - Stable manifold dyn. underlie consistent execution of learned behavior (Cosyne 2019)

Sara Solla - The effect of network connectivity on population neural dynamics - IPAM at UCLA

سارا سولا از شخصیت ها بنام حوزه منیفلد نورونی هست و نقش بسزایی در گسترش این رویکرد داشته. سخنرانی های مختلفی در یوتیوب داره. در سخنرانی نخست درباره استفاده از رویکرد منلیفلد نورونی برای توضیح رفتار در یک تسک موتوری صحبت میکنه و در سخنرانی دوم درباره اثر ساختار شبکه عصبی روی دینامیک نورونی بحث میکنه.

CCN 2021: Flexible identification of population dynamics from neural activity recordings

یک سمینار چندین ساعته با سخنرانی از پژوهشگران مختلف

برای جلسه آینده آگورا مقالات زیر رو انتخاب کردیم:

Representational geometry of perceptual decisions in the monkey parietal cortex

امیررضا کوتاه به رویکرد و یافته های این مقاله خواهد پرداخت. هدف از انتخاب این مقاله آشنایی با چگونگی استفاده از رویکرد های State-space و Neural Manifold برای فهم سیستم عصبی و شناخت هست. یافته های بدست آمده از این رویکرد رو با یافته های گذشته مقاله خواهیم کرد.

برای پیشبرد جلسات به سمت جلو هم دو مقاله مروری-پرسپکتیو دیگه انتخاب کردیم که تکمیل کننده و پیشبرنده مباحث جلسه گذشته هستن:

Neural manifolds: more than the sum of their neurons

From cell types to population dynamics: Making hippocampal manifolds physiologically interpretable

هر چند ما برای به پیش بردن جلسات مقاله معرفی میکنیم، تمرکز بیشتر بر روی پرسش ها و بحث هاست نه مقالات خاص. برای همین اگر یک مقاله ای رو مطالعه نکردید هم به جلسه بیاید و دیدگاه ها و پرسش های خودتون رو به اشتراک بذارید. امیدوارم که مثل جلسه گذشته پرانرژی به جلسه بیاید و بیش از پیش در بحث های جلسه شرکت کنید.


#neurosyntax #agora

بررسی مکانیزم های نورونی تصمیم گیری

در این نشست آگورا، امیررضا به مرور بخشی از تاریخ مطالعه مکانیزم‌های نورونی تصمیم‌گیری می‌پردازد. او ابتدا به رویکردهای مبتنی بر میانگین‌گیری از فعالیت تک‌نورون‌ها اشاره می‌کند و سپس با بررسی مقاله‌ای تازه، به رویکردهای جدیدتر مبتنی بر فعالیت مجموعه‌های نورونی می‌پردازد.

مقاله اصلی این جلسه:
Representational geometry of perceptual decisions in the monkey parietal cortex

#neurosyntax #agora

در طی دو هفته گذشته در جلسات آگورا، تمرکزمون رو بر بررسی مباحث مربوط به Neural Manifold گذاشتیم.
در جلسه اول سعی کردیم کلیات رو بررسی کنیم و با ایده‌های اصلی آشنا بشیم و در جلسه دوم هم نمونه‌ای از کاربرد این رویکرد در بحث تصمیم‌گیری رو بررسی کردیم.

در ادامه این سری از آگورا، روز یکشنبه (۲۳ شهریور) ساعت ۱۷، مقاله دیگه‌ای رو ارائه خواهم داد که جنبه متفاوتی از کاربرد رویکرد Neural Manifold رو نشون میده:

Geometry of abstract learned knowledge in the hippocampus

در این مقاله خواهیم دید که چطور رویکرد Neural Manifold به ما در توصیف بازنمایی همزمان ویژگی‌های فیزیکی و انتزاعی در هیپوکمپ کمک خواهد کرد.
به علاوه بهانه‌ای خواهد بود برای آشنا شدن با یکی از مسیرهای پژوهشی مهم در نوروساینس، یعنی کارهای آقای David Tank

مثل همیشه در نظر داشته باشید که علی‌رغم وجود ارائه در این جلسه، محوریت اصلی با گفتگو خواهد بود و تا جای ممکن سعی میکنم کوتاه ارائه بدم.
بنابراین لطفاً در جلسه شرکت کنید و با مشارکت در گفتگوها به غنای جلسه کمک کنید.

#agora
@Neuro_Syntax

یادآوری: جلسه فردا (یکشنبه) ساعت ١٧ برگزار خواهد شد.
لینک جلسه رو چند دقیقه قبلش اینجا میذارم.

دوستان جلسه رو ساعت پنج و نیم آغاز میکنیم.

تا ساعت پنج و نیم که جلسه رو شروع کنیم این ویدیو رو ببینید:

https://youtu.be/QHj9uVmwA_0?si=1rWG-YCUJvH4E5-K

قراره به زودی یه ژورنال کلاب آنلاین درباره زیست‌شناسی نظری و حیات مصنوعی راه بندازیم.
جلساتش توی پلتفرم زوم برگزار میشه و برنامه جلسات رو اول هر ماه اعلام میکنیم.
دوستانی هم که علاقه مند به ارائه دادن در این ژورنال کلاب باشند می تونن هماهنگ کنن از چند هفته جلوتر که توی برنامه اعلام شده اول هر ماه قرار بگیره جلسه ارائه‌شون.

جلساتش رو احتمالا مشابه زمستان سال گذشته یکشنبه ها ساعت 18 میذاریم.

اگر برای حضور مداوم و فعال توی این جلسات پایه هستید یه اعلام حضور کنید ببینیم چند نفریم.

در ضمن بدیهی است که حضور در این جلسات برای همه آزاد و رایگانه.

@the_maze2022

مقاله بسیار جالبی که اخیراً در ساینس چاپ شده:

Visual objects refine head direction coding

با اینکه موش‌ها میتونن اشیا رو تا حد خوبی تشخیص بدن، اما در مسیر بینایی‌شون ناحیه‌ای برای این عملکرد پیدا نشده (مثل نواحی تمپورال نخستی‌ها). تو این پژوهش با استفاده از fUS نشون دادن که Postsubiculum به اشیا پاسخ میده و بعدش با الکتروفیزیولوژی متوجه شدن که پاسخ به اشیا داره به head-direction cells این ناحیه برای بهبود عملکردشون کمک میکنه!

باز هم نشون میده که با حذف پیشفرض‌ها درباره نواحی مختلف، میتونیم به عملکردشون در کارهایی که فکر نمیکردیم پی ببریم.

@Neuro_Syntax

درود بر همگی همراهان نوروسینتکس

در جلسه پیش رو قصد داشتم که مقاله مرتبط به هیپوکمپ رو ارائه بدم اما با پرسش های خوبی که در جلسات اخیر پرسیدید فکر کردم شاید لازم باشه کمی عمیق تر به فلسفه نگاه های متفاوت بررسی سیستم عصبی و رفتار بپردازیم. با توجه به سه جلسه اخیر آگورا، اگر پرسش هایی درباره رویکردهایی که بررسی میکنیم دارید در بخش کامنت های این پست بپرسید. پرسش های میتونن در هر سطحی باشن از متدی تا مفهومی. هدف از آگورا اندیشه انتقادی به رویکردهای علوم اعصاب هست. در نتیجه مطرح کردن پرسش های اساسی حتی اگر پاسخ هنوز مشخص نباشه بسیار کمک میکنه.

با توجه به پرسش هایی که در جلسه شد فکر میکنم برخی از مفاهیم زیر شاید نیاز به بررسی های بیشتر داشته باشه:

1- محاسبه (Computation) چیست و چه سیستم هایی محاسبه گر (Computer) هستن. (واژه محاسبه گر رو بجای رایانه/کامپیوتر بکار بردم که تصور ایجاد نشه منظور از محاسبه فقط کاری هست که کامپیوتر های جلوی روی ما انجام میدن. تئوری عمیق تر ریاضیاتی درباره ماهیت کامپیوتر وجود داره).

2 - محاسبه از طریق دینامیک پیوسته در سیستم های فیزیکی به چه معناست؟ Computation through dynamics
2-1 - آیا هر نوعی از دینامیک نشان دهنده محاسبات در اون سیستم هست؟
2-2 اگر پاسخ به پرسش قبلی نه هست، چه نوع دینامیکی نشان دهنده محاسبه است؟
(یک پرسش شاید کمی فلسفی تر و عمیق تر اینکه چطور میتونیم تشخص بشیم یک سیستم محاسبه گر هست یا نه - با توجه به تعریف محاسبه در پاسخ به پرسش نخست)

3- اگر باور داشته باشیم مغز یک سیستم محاسبه گر هست، نگاه های مداری (شرینگتنی) و یا دینامیک شبکه ای (هاپفیلدی) چطور مکانیزم محاسبات مغز رو توضیح میدن؟

4- منیفلد های نورونی چه مفهومی هستن؟ آیا اینها ویژگی های فیزیکی از سیستم هست یا یک ساختار ریاضی برای فهم بهتر دینامیک و محاسبات سیستم؟

5- بدست آوردن و بررسی ویژگی های منیفلد نورونی چه کمکی به توضیح مکانیزم محاسبات مغزی و یا دریافت ماهیت محاسبات میکنن؟

6- چطور باید مشخص کنیم آیا دینامیک سیستم عصبی واقعا روی یک منیفلد حرکت میکند یا نه؟

7- با توجه به اینکه با یک سیستم با ابعاد بسیار بالا طرف هستیم و دسترسی به حقیقت عینی (Ground Truth) نداریم، چطور منیفلد سیستم را محاسبه میکنیم؟

8- آیا نگاه مداری که تکیه بر شناسایی ساختار سیستم عصبی (ورودی ها، خروجی و تابع تبدیل) دارد، غیر قابل جمع شدن با نگاه شبکه ای هاپفیلدی است که بیشتر بر دینامیک حاصل از مجموعه بزرگی از نورون ها تمرکز دارد؟

9- با توجه به اینکه مغز مانند سایر سیستم های پیچیده در سطوح مختلف زمانی-مکانی دینامیک های بسیار گوناگونی از خود نشان میدهند، آیا نگاه هاپفیلدی و یا نگاه مداری کمکی به فهم این سطوح میکند؟


اگر پرسش های مرتبط یا دیگری دارید حتما زیر این پست بنویسید تا بر مبنای اونها بحث جلسه آینده رو مشخص کنیم.


#neurosyntax #agora