Stochastic modeling and analysis of noise in neuronal circuits
Başlık çevirisi mevcut değil.
- Tez No: 564610
- Danışmanlar: PROF. DR. ALPER DEMİR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 151
Özet
Beyin enerji kullanımı konusunda son derece verimli bir organdır. Nöronlarda ve sinapslarda doğal olarak var olan stokastik mekanizmalardan kaynaklanan yüksek değişkenlik ve gürültüye rağmen beyin yaptığı işlemler konusunda oldukça güvenilirdir. Örneğin bu gürültü kaynakları nöronlar ve nöronal devreler tarafından gerçekleştirilen duyusal bilgi kodlama ve hesaplamalarında anahtar bir faktör olduğuna inanılan sinir uyartılarının zamanlama hassasiyetini önemli ölçüde düşürebilir. Hesaplamalı modelleme, sinir sistemi tarafından kullanılan nöronal mekanizmaları kavramamıza yardımcı olabilecek güçlü bir araçtır. Buna ek olarak, derinlemesine bir kavrayış ve hesaplamalı tasarım araçları, verimli nöromorfik elektronik devreler ve hibrit nöroelektronik sistemler geliştirmemize yardımcı olabilir. Bu tezde, biyolojik nöronal devreler için iyon kanallarının ve sinaptik işlemlerin durağan olmayan stokastik davranışlarını sistematik olarak koruyan genel bir modelleme sistemi sunuyoruz. Bu sistemde, hem iyon kanallarının hem de sinaptik işlemlerin ince taneli, ayrık durumlu, sürekli zamanlı Markov Zinciri (MC) modelleri birleşik bir şekilde ele alıyoruz. Modelleme çerçevemiz, nöronal değişkenlik ve gürültü için ilgili kaba taneli, sürekli durumlu, sürekli zamanlı Stokastik Diferansiyel Denklem (SDE) modellerinin otomatik olarak üretilmesi için bir mekanizmaya sahiptir. Ayrıca daha önce analog elektronik devreler için geliştirilmiş olan Monte Carlo olmayan gürültü analizi tekniklerini, nöronal devrelerin hem zaman hem de frekans alanındaki stokastik karakterizasyonu için yeniden tasarlıyoruz. Geleneksel Monte Carlo tipi simülasyonlardan birkaç mertebe daha hızlı olan bu teknikleri, sinir uyartılarının zamanlama titreşimi varyansını, güç spektral yoğunluklarını, korelasyon fonksiyonlarını ve nöronal devre operasyonunun diğer stokastik karakteristiklerini doğrudan hesaplamak için kullanıyoruz. Bu çok hızlı Monte Carlo olmayan analiz yöntemlerinin hesaplama açısından daha çok işlem gerektiren Monte Carlo simülasyonlarıyla aynı doğrulukta sonuçlar ürettiğini doğruluyoruz. Bu yeni teknikleri hem biyolojik nöron devrelerinin hem de analog elektronik devrelerinin birlikte bağlanmış bir şekilde simüle edilebildiği bir prototip simülatörde uyguladık. Bu simülatörü kullanarak sinaptik geri besleme inhibisyonu, sinaptik entegrasyon ve sinaptik bağlanma gibi birkaç farklı nöronal devre motifini ve mekanizmasını araştırdık. İlk olarak, sinir uyartıları üreten bir nöronun hem sinir uyartılarının zamanlama hassasiyetinin hem de enerji verimliliğinin geri besleme inhibisyonu ile arttığını gösterdik. Bir nöronun bunu başarmasını sağlayan temel mekanizmayı açığa çıkardık. İkinci olarak, bir nöronun çoklu kaynaklardan gelen sinaptik girdilerindeki sinir uyartılarının zamanlama hassasiyetinin entegrasyon yoluyla gelişebileceğini kanıtladık: Entegratör nöronun çıkış sinir uyartılarının fazının, girdi sinir uyartılarının fazların ortalamasıyla aynı varyansa sahip olduğunu gösterdik. Son olarak, tamamen bağlı bir ağda, nöronlar arasındaki zayıf sinaptik bağlanmanın, daha büyük bir nöron zarı alanına sahip tek bir nöron gibi davranmalarını sağlayarak, sinir uyartılarının zamanlama hassasiyetini işbirliği yaparak geliştirdiklerini ortaya koyduk.
Özet (Çeviri)
The brain is extremely energy efficient and remarkably robust in what it does despite the considerable variability and noise arising from the inherently stochastic mechanisms that exist in the neurons and the synapses. For example, these noise sources can significantly degrade spike timing precision, which is believed to be a key factor in sensory information encoding and computations performed by the neurons and neuronal circuits. Computational modeling is a powerful tool that can help us gain insight into neuronal mechanisms utilized by the nervous system. In addition, a deep understanding and computational design tools can help develop robust neuromorphic electronic circuits and hybrid neuroelectronic systems. In this thesis, we present a general modeling framework for biological neuronal circuits that systematically captures the nonstationary stochastic behavior of ion channels and synaptic processes. In this framework, fine-grained, discrete-state, continuous-time Markov Chain (MC) models of both ion channels and synaptic processes are treated in a unified manner. Our modeling framework features a mechanism for the automatic generation of the corresponding coarse-grained, continuous-state, continuous-time Stochastic Differential Equation (SDE) models for neuronal variability and noise. Furthermore, we repurpose non Monte Carlo noise analysis techniques, which were previously developed for analog electronic circuits, for the stochastic characterization of neuronal circuits both in time and frequency domain. These techniques, which are orders of magnitude faster than traditional Monte Carlo type simulations, can be used to directly compute the spike timing jitter variance, power spectral densities, correlation functions, and other stochastic characterizations of neuronal circuit operation. We verify that the fast non Monte Carlo analysis methods produce results with the same accuracy as computationally expensive Monte Carlo simulations. We have implemented the proposed techniques in a prototype simulator where both biological neuronal and analog electronic circuits can be simulated together in a coupled manner. By using this simulator, we investigate several distinct neuronal circuit motifs and mechanisms such as synaptic feedback inhibition, synaptic integration, and synaptic coupling. First, we show that both the spike timing precision and the energy efficiency of a spiking neuron are improved with feedback inhibition. We unveil the underlying mechanism through which this is achieved. Second, we demonstrate that a neuron can improve on the timing precision of its synaptic inputs, coming from multiple sources, via synaptic integration: The phase of the output spikes of the integrator neuron has the same variance as that of the sample average of the phases of its inputs. Finally, we reveal that weak synaptic coupling among neurons, in a fully connected network, enables them to behave like a single neuron with a larger membrane area, resulting in an improvement in the timing precision through cooperation.
Benzer Tezler
- Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty
Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi
GÖNÜL ULUDAĞ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR
- Nöronların bölmeli modelinin bilgisayar yazılımına dayalı benzetimi
A computer software for the simulation of compartmental modeling of neurons
KENAN ZENGİN
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiZonguldak Karaelmas ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT ÖZER
- Modeling and analysis of nonstationary low-frequency noise in electronic circuit simulation
Elektronik devre simülasyonunda durağan olmayan alçak frekanslı gürültünün modellenmesi ve analizi
AHMET GÖKÇEN MAHMUTOĞLU
Doktora
İngilizce
2015
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER DEMİR
- Phase models and computations for oscillators
Osilatörler için faz modelleri ve hesaplamaları
ÖNDER ŞUVAK
Doktora
İngilizce
2013
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER DEMİR
- Akım serilerinin kaotik analizi karadeniz havzası uzerine bir uygulama
Chaotic analysis of river discharge time series a case study on black sea river basins
ASLIHAN ALBOSTAN
Doktora
Türkçe
2015
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ