神经科学中的理论和仿真

————————————————————————————————————

在神经科学中，建模工作可以按两个不同的标准来进行划分。

第一种是模型的复杂度，从简单的经得起数学分析所验证的概念模型到需要仿真理解他们的特性的详细模型。

第二种标准是工作流程的方向，可以是微观到宏观（自底向上）或从行为目标功能到组件特性（自顶向下）。

我们用自底向上和自顶向下研究的例子对理论和仿真的相互作用做出综述，并指出在计算和理论神经科学领域的一些新的进展。

————————————————————————————————————

在神经科学，数学的和计算的方法有悠久的传统，可以追溯到感知和神经细胞膜电流积分的早期数学理论。

Hodgkin和Huxley+将他们的实验和数学描述融合在一起，使用这种数学描述在早期计算机上进行仿真。

Hebb对于组装成型的理念激发了在更大的计算机上仿真的想法。

自从1980年代起，理论和计算神经科学获得了巨大发展。

 

现代神经科学方法要求非常多的训练，从而导致研究者的专门化，因此今天的神经科学在实验室工作中分为基因和分子、单细胞电生理、多神经元记录、认知神经科学和精神物理学。

计算神经科学的中心工作之一，就是通过仿真和数学理论将不同层次的描述联系起来。

这个联系由两个不同的方向搭建起来。

自底向上的模型用已知的低层次的结论去解释在更高层次发现的现象。

另一方面，自顶向下的模型，从已知的大脑认知功能开始，并从这些推断组件（神经元或神经元集群）做出什么行为可以完成这些功能。

自顶向下方法的有影响的例子是联想记忆、强化学习和稀疏编码等理论。

 

自底向上和自底向下模型既可以用数学理论研究，也可以用计算机仿真研究。

理论的优点是能对所有可能的参数的模型行为有一个全貌的理解，但仅限于对简单的模型有解析解。

理论的目的是将生理概念简化到最小，从而达到从数学方程中提取完全可以理解的概念的目的。

反之，仿真则可以应用于所有的模型，简化的和复杂的，但他们仅能够对模型的行为采样一个有限的参数集合。

如果知道了关键的参数，脑的整个或主要部分可以使用已知的生物组件仿真出来——这种前景引发了大规模仿真工程的想法。

 

理论和仿真如何相互作用来帮助我们理解脑功能？在本文中，我们用四个例子说明这种相互作用，并描绘了理论和仿真之间的协同效应的方法。

即使神经元数据的分析是计算神经科学的一个重要子领域，但在这篇综述中没有提到。

————————————————————————————————————