कम्प्यूटेशनल तंत्रिका विज्ञान

कम्प्यूटेशनल न्यूरोसाइंस (सैद्धांतिक न्यूरोसाइंस या गणितीय न्यूरोसाइंस के रूप में भी जाना जाता है) न्यूरोसाइंस की एक शाखा है जो गणितीय मॉडल, कंप्यूटर सिमुलेशन, सैद्धांतिक विश्लेषण और मस्तिष्क के सार को समझने के लिए विकास संबंधी तंत्रिका विज्ञान, neuroanatomy, न्यूरोफिज़ियोलॉजी और संज्ञानात्मक तंत्रिका विज्ञान को नियंत्रित करती है। तंत्रिका तंत्र। कम्प्यूटेशनल न्यूरोसाइंस गणितीय मॉडल को मान्य और हल करने के लिए कम्प्यूटेशनल सिमुलेशन को नियोजित करता है, और इसलिए इसे सैद्धांतिक न्यूरोसाइंस के उप-क्षेत्र के रूप में देखा जा सकता है; हालाँकि, दो क्षेत्र अक्सर पर्यायवाची होते हैं। गणितीय तंत्रिका विज्ञान शब्द का प्रयोग कभी-कभी क्षेत्र की मात्रात्मक प्रकृति पर जोर देने के लिए भी किया जाता है। कम्प्यूटेशनल न्यूरोसाइंस जीवविज्ञान प्रशंसनीय न्यूरॉन्स (और तंत्रिका तंत्र) और उनके शरीर विज्ञान और गतिशीलता के विवरण पर केंद्रित है, और इसलिए यह कनेक्शनवाद, नियंत्रण सिद्धांत, साइबरनेटिक्स, मात्रात्मक मनोविज्ञान, मशीन सीखने, कृत्रिम तंत्रिका नेटवर्क में उपयोग किए जाने वाले जैविक रूप से अवास्तविक मॉडल से सीधे संबंधित नहीं है।, कृत्रिम बुद्धिमत्ता और कम्प्यूटेशनल सीखने का सिद्धांत ; हालाँकि आपसी प्रेरणा मौजूद है और कभी-कभी क्षेत्रों के बीच कोई सख्त सीमा नहीं होती है,  कम्प्यूटेशनल तंत्रिका विज्ञान में मॉडल अमूर्तता के साथ अनुसंधान के दायरे और जैविक संस्थाओं का विश्लेषण करने वाले ग्रैन्युलैरिटी पर निर्भर करता है।

सैद्धांतिक तंत्रिका विज्ञान में मॉडल का उद्देश्य जैविक प्रणाली की आवश्यक विशेषताओं को कई स्थानिक-लौकिक पैमानों पर, झिल्ली धाराओं से, और रासायनिक युग्मन के माध्यम से तंत्रिका दोलन, स्तंभ और स्थलाकृतिक वास्तुकला, नाभिक, सभी तरह से स्मृति जैसे मनोवैज्ञानिक संकायों तक कैप्चर करना है। सीखना और व्यवहार। ये कम्प्यूटेशनल मॉडल उन परिकल्पनाओं को फ्रेम करते हैं जिन्हें जैविक या मनोवैज्ञानिक प्रयोगों द्वारा सीधे परखा जा सकता है।

इतिहास
'कम्प्यूटेशनल न्यूरोसाइंस' शब्द की शुरुआत एरिक एल. श्वार्ट्ज द्वारा की गई थी, जिन्होंने 1985 में कार्मेल, कैलिफोर्निया में सिस्टम्स डेवलपमेंट फाउंडेशन के अनुरोध पर एक क्षेत्र की वर्तमान स्थिति का सारांश प्रदान करने के लिए एक सम्मेलन आयोजित किया था, जो उस बिंदु तक था। विभिन्न नामों से जाना जाता था, जैसे तंत्रिका मॉडलिंग, मस्तिष्क सिद्धांत और तंत्रिका नेटवर्क। इस निश्चित बैठक की कार्यवाही 1990 में कम्प्यूटेशनल न्यूरोसाइंस पुस्तक के रूप में प्रकाशित हुई थी। कम्प्यूटेशनल न्यूरोसाइंस पर केंद्रित वार्षिक खुली अंतर्राष्ट्रीय बैठकों में से पहली का आयोजन 1989 में सैन फ्रांसिस्को, कैलिफोर्निया में जेम्स एम. बोवर और जॉन मिलर द्वारा किया गया था। कम्प्यूटेशनल न्यूरोसाइंस में पहला स्नातक शैक्षिक कार्यक्रम कम्प्यूटेशनल और न्यूरल सिस्टम्स पीएचडी के रूप में आयोजित किया गया था। 1985 में कैलिफोर्निया प्रौद्योगिकी संस्थान में कार्यक्रम।

इस क्षेत्र की प्रारंभिक ऐतिहासिक जड़ों को लुई लैपिक, एलन हॉजकिन और एंड्रयू हक्सले, डेविड एच. हुबेल और टॉर्स्टन वीज़ल, और डेविड मार (मनोवैज्ञानिक) सहित लोगों के काम में खोजा जा सकता है। लैपिक ने 1907 में प्रकाशित एक मौलिक लेख में न्यूरॉन के एकीकृत और अग्नि मॉडल की शुरुआत की, अपनी सादगी के कारण कृत्रिम तंत्रिका नेटवर्क अध्ययन के लिए अभी भी लोकप्रिय मॉडल (हाल की समीक्षा देखें ).

लगभग 40 साल बाद, एलन हॉजकिन और एंड्रयू हक्सले ने वोल्टेज दबाना  विकसित किया और संभावित कार्रवाई का पहला बायोफिजिकल मॉडल बनाया। डेविड एच. हबेल और टोरस्टन वीज़ल ने पाया कि प्राथमिक दृश्य प्रांतस्था में न्यूरॉन्स, रेटिना से आने वाली जानकारी को संसाधित करने वाला पहला कॉर्टिकल क्षेत्र, उन्मुख ग्रहणशील क्षेत्र होते हैं और कॉलम में व्यवस्थित होते हैं। समुद्री घोड़ा  और नियोकॉर्टेक्स के भीतर न्यूरॉन्स के कार्यात्मक समूह कैसे बातचीत करते हैं, स्टोर करते हैं, प्रक्रिया करते हैं और सूचना प्रसारित करते हैं, इसके अध्ययन के लिए कम्प्यूटेशनल दृष्टिकोण का सुझाव देते हुए डेविड मार्र का काम न्यूरॉन्स के बीच की बातचीत पर केंद्रित है। बायोफिजिक रूप से यथार्थवादी न्यूरॉन्स और डेन्ड्राइट्स का कम्प्यूटेशनल मॉडलिंग केबल सिद्धांत का उपयोग करने वाले पहले मल्टीकम्पार्टमेंटल मॉडल के साथ  विल्फ्रिड रैल  के काम से शुरू हुआ।

प्रमुख विषय
कम्प्यूटेशनल न्यूरोसाइंस में अनुसंधान मोटे तौर पर पूछताछ की कई पंक्तियों में वर्गीकृत किया जा सकता है। अधिकांश कम्प्यूटेशनल न्यूरोसाइंटिस्ट उपन्यास डेटा का विश्लेषण करने और जैविक घटनाओं के नए मॉडल को संश्लेषित करने में प्रयोगवादियों के साथ मिलकर काम करते हैं।

एकल-न्यूरॉन मॉडलिंग
यहां तक ​​कि एक न्यूरॉन में भी जटिल बायोफिजिकल विशेषताएँ होती हैं और वे संगणनाएँ कर सकते हैं (उदा. ). हॉजकिन और हक्सले के हॉजकिन-हक्सले मॉडल ने केवल दो वोल्टेज-संवेदनशील धाराओं को नियोजित किया (वोल्टेज संवेदनशील आयन चैनल ग्लाइकोप्रोटीन अणु हैं जो लिपिड बाइलेयर के माध्यम से विस्तारित होते हैं, आयनों को एक्सोलेम्मा के माध्यम से कुछ शर्तों के तहत पार करने की अनुमति देते हैं), तेजी से काम करने वाला सोडियम और आवक- पोटेशियम को ठीक करना। हालांकि ऐक्शन पोटेंशिअल के समय और गुणात्मक विशेषताओं की भविष्यवाणी करने में सफल रहा, फिर भी यह अनुकूलन और शंटिंग (न्यूरोफिज़ियोलॉजी) जैसी कई महत्वपूर्ण विशेषताओं की भविष्यवाणी करने में विफल रहा। वैज्ञानिक अब मानते हैं कि वोल्टेज-संवेदनशील धाराओं की एक विस्तृत विविधता है, और इन धाराओं की भिन्न गतिशीलता, मॉड्यूलेशन और संवेदनशीलता के निहितार्थ कम्प्यूटेशनल न्यूरोसाइंस का एक महत्वपूर्ण विषय है। जटिल डेन्ड्राइट्स के कम्प्यूटेशनल कार्यों की भी गहन जांच की जा रही है। न्यूरॉन्स के ज्यामितीय गुणों के साथ विभिन्न धाराएं कैसे परस्पर क्रिया करती हैं, इस बारे में साहित्य का एक बड़ा निकाय है। कुछ मॉडल डेंड्राइटिक स्पाइन जैसे बहुत छोटे पैमाने पर बायोकेमिकल पाथवे पर भी नज़र रख रहे हैं या सिनैप्टिक फांक। उत्पत्ति (सॉफ्टवेयर) और न्यूरॉन (सॉफ्टवेयर) जैसे कई सॉफ्टवेयर पैकेज हैं, जो यथार्थवादी न्यूरॉन्स के सिलिको मॉडलिंग में तेजी से और व्यवस्थित अनुमति देते हैं। इकोले पॉलीटेक्निक फेडेराले डी लॉज़ेन से  हेनरी मार्करम  द्वारा स्थापित एक परियोजना ब्लू ब्रेन का उद्देश्य ब्लू जीन  सुपर कंप्यूटर  पर एक कॉर्टिकल कॉलम के जैव-भौतिक रूप से विस्तृत सिमुलेशन का निर्माण करना है।

एकल-न्यूरॉन पैमाने पर बायोफिजिकल गुणों की समृद्धि की मॉडलिंग तंत्र की आपूर्ति कर सकती है जो नेटवर्क डायनेमिक्स के लिए बिल्डिंग ब्लॉक्स के रूप में काम करती है। हालांकि, विस्तृत न्यूरॉन विवरण कम्प्यूटेशनल रूप से महंगे हैं और यह कंप्यूटिंग लागत यथार्थवादी नेटवर्क जांच की खोज को सीमित कर सकती है, जहां कई न्यूरॉन्स को अनुकरण करने की आवश्यकता होती है। नतीजतन, बड़े तंत्रिका सर्किट का अध्ययन करने वाले शोधकर्ता आमतौर पर प्रत्येक न्यूरॉन का प्रतिनिधित्व करते हैं और एक कृत्रिम रूप से सरल मॉडल के साथ अन्तर्ग्रथन करते हैं, जो कि अधिकांश जैविक विवरणों की अनदेखी करते हैं। इसलिए सरलीकृत न्यूरॉन मॉडल का उत्पादन करने के लिए एक ड्राइव है जो कम कम्प्यूटेशनल ओवरहेड पर महत्वपूर्ण जैविक निष्ठा बनाए रख सकता है। कम्प्यूटेशनल रूप से महंगे, विस्तृत न्यूरॉन मॉडल से वफादार, तेज चलने वाले, सरलीकृत सरोगेट न्यूरॉन मॉडल बनाने के लिए एल्गोरिदम विकसित किए गए हैं।

मॉडलिंग न्यूरॉन-ग्लिया इंटरैक्शन
Glial कोशिकाएं एक सेलुलर लेकिन नेटवर्क स्तर पर भी न्यूरोनल गतिविधि के नियमन में महत्वपूर्ण रूप से भाग लेती हैं। इस इंटरैक्शन को मॉडलिंग करने से पोटेशियम चक्र को स्पष्ट करने की अनुमति मिलती है, होमियोस्टैटिस को बनाए रखने और मिरगी के दौरे को रोकने के लिए बहुत महत्वपूर्ण है। मॉडलिंग ग्लिअल प्रोट्रूशियंस की भूमिका को प्रकट करता है जो कुछ मामलों में सिनैप्टिक फांक को सिनैप्टिक ट्रांसमिशन में हस्तक्षेप करने के लिए प्रवेश कर सकता है और इस प्रकार सिनैप्टिक संचार को नियंत्रित करता है।

विकास, एक्सोनल पैटर्निंग, और मार्गदर्शन
कम्प्यूटेशनल न्यूरोसाइंस का उद्देश्य प्रश्नों की विस्तृत श्रृंखला को संबोधित करना है। विकास के दौरान अक्षतंतु और डेन्ड्राइट कैसे बनते हैं? अक्षतंतु कैसे जानते हैं कि कहां लक्ष्य करना है और इन लक्ष्यों तक कैसे पहुंचा जाए? केंद्रीय और परिधीय प्रणालियों में न्यूरॉन्स उचित स्थिति में कैसे माइग्रेट करते हैं? सिनैप्स कैसे बनते हैं? हम आणविक जीव विज्ञान से जानते हैं कि तंत्रिका तंत्र के अलग-अलग हिस्से विकास कारकों से हार्मोन तक अलग-अलग रासायनिक संकेत जारी करते हैं जो न्यूरॉन्स के बीच कार्यात्मक संबंधों के विकास और विकास को नियंत्रित और प्रभावित करते हैं।

सिनैप्टिक कनेक्शन और आकृति विज्ञान के गठन और पैटर्निंग में सैद्धांतिक जांच अभी भी प्रारंभिक अवस्था में है। एक अवधारणा जिसने हाल ही में कुछ ध्यान आकर्षित किया है, वह है न्यूनतम वायरिंग परिकल्पना, जो बताती है कि अक्षतंतु और डेन्ड्राइट का गठन अधिकतम सूचना भंडारण को बनाए रखते हुए संसाधन आवंटन को प्रभावी ढंग से कम करता है।

संवेदी प्रसंस्करण
सैद्धांतिक ढांचे के भीतर समझी जाने वाली संवेदी प्रसंस्करण पर प्रारंभिक मॉडल होरेस बार्लो को श्रेय दिया जाता है। पूर्ववर्ती खंड में वर्णित न्यूनतम तारों की परिकल्पना के समान, बारलो ने शुरुआती संवेदी प्रणालियों के प्रसंस्करण को कुशल कोडिंग परिकल्पना का एक रूप समझा, जहां न्यूरॉन्स ने सूचना को एन्कोड किया जो स्पाइक्स की संख्या को कम करता है। प्रायोगिक और कम्प्यूटेशनल कार्य ने तब से इस परिकल्पना को एक या दूसरे रूप में समर्थन दिया है। दृश्य प्रसंस्करण के उदाहरण के लिए, कुशल कोडिंग में प्रकट होता है कुशल स्थानिक कोडिंग, कलर कोडिंग, टेम्पोरल/मोशन कोडिंग, स्टीरियो कोडिंग और उनके संयोजन के रूप। आगे दृश्य मार्ग के साथ, यहां तक ​​​​कि कुशलतापूर्वक कोडित दृश्य जानकारी भी सूचना अड़चन की क्षमता, दृश्य चौकस अड़चन के लिए बहुत अधिक है। एक अनुवर्ती सिद्धांत, V1 सालियेन्सी हाइपोथिसिस | V1 सामर्थ्य परिकल्पना (V1SH), आगे की प्रक्रिया के लिए विज़ुअल इनपुट के एक अंश के बहिर्जात चौकस चयन पर विकसित किया गया है, जो प्राइमरी विज़ुअल कॉर्टेक्स में बॉटम-अप सलूशन मैप द्वारा निर्देशित है। संवेदी प्रसंस्करण में वर्तमान शोध को विभिन्न उप-प्रणालियों के बायोफिजिकल मॉडलिंग और धारणा के अधिक सैद्धांतिक मॉडलिंग के बीच विभाजित किया गया है। धारणा के वर्तमान मॉडल ने सुझाव दिया है कि मस्तिष्क भौतिक दुनिया की हमारी धारणा उत्पन्न करने में मस्तिष्क के कार्य और विभिन्न संवेदी सूचनाओं के एकीकरण के लिए कुछ प्रकार के बायेसियन दृष्टिकोण का प्रदर्शन करता है।

मोटर नियंत्रण
जिस तरह से मस्तिष्क गति को नियंत्रित करता है उसके कई मॉडल विकसित किए गए हैं। इसमें मस्तिष्क में प्रसंस्करण के मॉडल शामिल हैं जैसे त्रुटि सुधार के लिए सेरिबैलम की भूमिका, मोटर कॉर्टेक्स में कौशल सीखना और बेसल गैन्ग्लिया, या वेस्टिबुलो ओकुलर रिफ्लेक्स का नियंत्रण। इसमें कई मानक मॉडल भी शामिल हैं, जैसे कि बायेसियन या इष्टतम नियंत्रण स्वाद जो इस विचार पर बनाए गए हैं कि मस्तिष्क कुशलतापूर्वक अपनी समस्याओं को हल करता है।

मेमोरी और सिनैप्टिक प्लास्टिसिटी
याद के पहले के मॉडल मुख्य रूप से हेबियन सीखना के सिद्धांतों पर आधारित हैं। जैविक रूप से प्रासंगिक मॉडल जैसे हॉपफील्ड नेट को जैविक प्रणालियों में होने वाली स्मृति की साहचर्य (सामग्री-पता योग्य के रूप में भी जाना जाता है) शैली के गुणों को संबोधित करने के लिए विकसित किया गया है। ये प्रयास मुख्य रूप से हिप्पोकैम्पस में स्थानीयकरण, मध्यम और दीर्घकालिक स्मृति के गठन पर ध्यान केंद्रित कर रहे हैं।  क्रियाशील स्मृति  के मॉडल, नेटवर्क दोलनों और लगातार गतिविधि के सिद्धांतों पर निर्भर करते हुए, संदर्भ-संबंधित मेमोरी में प्रीफ्रंटल कॉर्टेक्स की कुछ विशेषताओं को पकड़ने के लिए बनाए गए हैं। अतिरिक्त मॉडल बेसल गैन्ग्लिया और प्रीफ्रंटल कॉर्टेक्स के बीच घनिष्ठ संबंध को देखते हैं और यह कैसे कार्यशील मेमोरी में योगदान देता है। न्यूरोफिज़ियोलॉजिकल मेमोरी में प्रमुख समस्याओं में से एक यह है कि इसे कैसे बनाए रखा जाता है और कई समय के पैमाने के माध्यम से बदल दिया जाता है। अस्थिर synapses को प्रशिक्षित करना आसान है, लेकिन स्टोकेस्टिक व्यवधान से भी ग्रस्त है। स्थिर सिनैप्स कम आसानी से भूल जाते हैं, लेकिन उन्हें समेकित करना भी कठिन होता है। एक हालिया कम्प्यूटेशनल परिकल्पना में प्लास्टिसिटी के कैस्केड शामिल हैं जो सिनैप्स को कई समय के पैमाने पर कार्य करने की अनुमति देते हैं। माइक्रोसेकंड के समय पैमाने पर काम कर रहे मोंटे कार्लो विधि के साथ एसिटाइलकोलाइन रिसेप्टर-आधारित सिनैप्स के स्टीरियोकेमिकल रूप से विस्तृत मॉडल बनाए गए हैं। यह संभावना है कि कम्प्यूटेशनल उपकरण हमारी समझ में बहुत योगदान देंगे कि आने वाले दशकों में सिनैप्स कैसे काम करता है और बाहरी उत्तेजना के संबंध में कैसे बदलता है।

नेटवर्क का व्यवहार
जैविक न्यूरॉन्स एक जटिल, आवर्ती फैशन में एक दूसरे से जुड़े हुए हैं। अधिकांश कृत्रिम तंत्रिका नेटवर्क के विपरीत, ये कनेक्शन विरल और आमतौर पर विशिष्ट होते हैं। यह ज्ञात नहीं है कि इस तरह के कम जुड़े नेटवर्क के माध्यम से जानकारी कैसे प्रसारित की जाती है, हालांकि मस्तिष्क के विशिष्ट क्षेत्रों, जैसे दृश्य कॉर्टेक्स, को कुछ विस्तार से समझा जाता है। यह भी अज्ञात है कि इन विशिष्ट कनेक्टिविटी पैटर्न के कम्प्यूटेशनल कार्य क्या हैं, यदि कोई हो।

एक छोटे से नेटवर्क में न्यूरॉन्स की बातचीत को अक्सर आइसिंग मॉडल जैसे सरल मॉडल में कम किया जा सकता है। ऐसी सरल प्रणालियों के सांख्यिकीय यांत्रिकी सैद्धांतिक रूप से अच्छी तरह से चित्रित हैं। कुछ हालिया साक्ष्य बताते हैं कि मनमाना न्यूरोनल नेटवर्क की गतिशीलता को जोड़ीदार अंतःक्रियाओं में घटाया जा सकता है। हालांकि, यह ज्ञात नहीं है कि इस तरह की वर्णनात्मक गतिकी कोई महत्वपूर्ण कम्प्यूटेशनल फ़ंक्शन प्रदान करती है या नहीं। दो फोटॉन माइक्रोस्कोपी और कैल्शियम इमेजिंग के उद्भव के साथ, अब हमारे पास शक्तिशाली प्रायोगिक तरीके हैं जिनके साथ न्यूरोनल नेटवर्क के बारे में नए सिद्धांतों का परीक्षण किया जा सकता है।

कुछ मामलों में माध्य-क्षेत्र सिद्धांत का उपयोग करके निरोधात्मक और उत्तेजक न्यूरॉन्स के बीच जटिल बातचीत को सरल बनाया जा सकता है, जो तंत्रिका नेटवर्क के विल्सन-कोवान मॉडल को जन्म देता है। जबकि कई neurotheorists कम जटिलता वाले ऐसे मॉडल पसंद करते हैं, दूसरों का तर्क है कि संरचनात्मक-कार्यात्मक संबंधों को उजागर करना जितना संभव हो उतना न्यूरोनल और नेटवर्क संरचना को शामिल करने पर निर्भर करता है। इस प्रकार के मॉडल आमतौर पर जेनेसिस या न्यूरॉन जैसे बड़े सिमुलेशन प्लेटफॉर्म में बनाए जाते हैं। जटिलता के इन स्तरों को पाटने और एकीकृत करने के लिए एकीकृत तरीके प्रदान करने के कुछ प्रयास किए गए हैं।

दृश्य ध्यान, पहचान और वर्गीकरण
दृश्य ध्यान को तंत्र के एक सेट के रूप में वर्णित किया जा सकता है जो कुछ प्रसंस्करण को आने वाली उत्तेजनाओं के सबसेट तक सीमित करता है। हम जो देखते हैं और जिस पर हम कार्य कर सकते हैं, अवधान तंत्र उसे आकार देते हैं। वे कुछ (अधिमानतः, प्रासंगिक) जानकारी के समवर्ती चयन और अन्य जानकारी के निषेध की अनुमति देते हैं। दृश्य ध्यान और सुविधाओं के बंधन में अंतर्निहित तंत्र के अधिक ठोस विनिर्देश के लिए, कई कम्प्यूटेशनल मॉडल प्रस्तावित किए गए हैं, जिनका उद्देश्य साइकोफिजिकल निष्कर्षों की व्याख्या करना है। सामान्य तौर पर, सभी मॉडल रेटिनल इनपुट के संभावित दिलचस्प क्षेत्रों को दर्ज करने के लिए एक सामर्थ्य या प्राथमिकता मानचित्र के अस्तित्व को मानते हैं, और आने वाली दृश्य जानकारी की मात्रा को कम करने के लिए एक गेटिंग तंत्र, ताकि मस्तिष्क के सीमित कम्प्यूटेशनल संसाधन इसे संभाल सकें।. एक उदाहरण सिद्धांत जिसे व्यापक रूप से व्यवहारिक और शारीरिक रूप से परीक्षण किया जा रहा है, वह V1 सामर्थ्य परिकल्पना है, जो प्राथमिक दृश्य प्रांतस्था में बहिर्जात रूप से ध्यान आकर्षित करने के लिए एक नीचे-ऊपर सामर्थ्य मानचित्र बनाया जाता है। कम्प्यूटेशनल तंत्रिका विज्ञान मस्तिष्क समारोह में शामिल तंत्र का अध्ययन करने के लिए एक गणितीय ढांचा प्रदान करता है और न्यूरोसाइकोलॉजिकल सिंड्रोम के पूर्ण सिमुलेशन और भविष्यवाणी की अनुमति देता है।

अनुभूति, भेदभाव, और सीखना
उच्च संज्ञानात्मक कार्यों का कम्प्यूटेशनल मॉडलिंग हाल ही में हुआ है शुरू हो गया। प्रायोगिक डेटा मुख्य रूप से प्राइमेट्स में एकल-इकाई रिकॉर्डिंग  से आता है। ललाट लोब और पार्श्विका लोब कई संवेदी तौर-तरीकों से सूचना के इंटीग्रेटर्स के रूप में कार्य करते हैं। इन क्षेत्रों में पारस्परिक रूप से अवरोधक कार्यात्मक सर्किट जैविक रूप से प्रासंगिक संगणना कैसे कर सकते हैं, इसके बारे में कुछ अस्थायी विचार हैं। ऐसा लगता है कि मस्तिष्क कुछ संदर्भों में विशेष रूप से अच्छी तरह से भेदभाव और अनुकूलन करने में सक्षम है। उदाहरण के लिए, ऐसा प्रतीत होता है कि मनुष्य के पास स्मरण करने और चेहरे के बोध की अपार क्षमता है। कम्प्यूटेशनल न्यूरोसाइंस के प्रमुख लक्ष्यों में से एक यह है कि कैसे जैविक प्रणालियां इन जटिल संगणनाओं को कुशलतापूर्वक करती हैं और बुद्धिमान मशीनों के निर्माण में इन प्रक्रियाओं को संभावित रूप से दोहराती हैं।

जीव विज्ञान, मनोविज्ञान और नैदानिक ​​​​अभ्यास सहित मस्तिष्क के बड़े पैमाने पर संगठनात्मक सिद्धांत कई क्षेत्रों से प्रकाशित होते हैं। एकीकृत तंत्रिका विज्ञान एकीकृत वर्णनात्मक मॉडल और व्यवहार उपायों और रिकॉर्डिंग के डेटाबेस के माध्यम से इन अवलोकनों को समेकित करने का प्रयास करता है। ये बड़े पैमाने पर मस्तिष्क गतिविधि के कुछ मात्रात्मक मॉडलिंग के आधार हैं। कम्प्यूटेशनल रिप्रेजेंटेशनल अंडरस्टैंडिंग ऑफ माइंड (सीआरयूएम) निर्णय लेने में अधिग्रहीत नियम-आधारित प्रणाली और निर्णय लेने में दृश्य प्रतिनिधित्व के हेरफेर जैसी सिम्युलेटेड प्रक्रियाओं के माध्यम से मानव अनुभूति को मॉडलिंग करने का एक और प्रयास है।

चेतना
मनोविज्ञान/तंत्रिका विज्ञान के अंतिम लक्ष्यों में से एक चेतन जीवन के दैनिक अनुभव की व्याख्या करने में सक्षम होना है। फ्रांसिस क्रिक, गिउलिओ टोनोनी और क्रिस्टोफर कोच  ने चेतना के तंत्रिका सहसंबंधों (एनसीसी) में भविष्य के काम के लिए लगातार रूपरेखा तैयार करने के लिए कुछ प्रयास किए, हालांकि इस क्षेत्र में अधिकतर काम सट्टा बना हुआ है। विशेष रूप से, क्रिक न्यूरोसाइंस के क्षेत्र को चेतावनी दी कि वे उन विषयों को न देखें जिन्हें परंपरागत रूप से दर्शन और धर्म के लिए छोड़ दिया गया है।

कम्प्यूटेशनल क्लिनिकल न्यूरोसाइंस
कम्प्यूटेशनल क्लिनिकल न्यूरोसाइंस एक ऐसा क्षेत्र है जो न्यूरोसाइंस, तंत्रिका-विज्ञान, मनोचिकित्सा, निर्णय विज्ञान और कम्प्यूटेशनल मॉडलिंग में विशेषज्ञों को एक साथ लाता है ताकि न्यूरोलॉजिकल विकारों और मानसिक विकारों में मात्रात्मक रूप से परिभाषित और समस्याओं की जांच की जा सके, और वैज्ञानिकों और चिकित्सकों को प्रशिक्षित किया जा सके जो इन मॉडलों को निदान के लिए लागू करना चाहते हैं और इलाज।

प्रिडिक्टिव अभिकलनात्मक तंत्रिका विज्ञान
प्रिडिक्टिव अभिकलनात्मक तंत्रिका विज्ञान एक आधुनिक क्षेत्र है जो कोमा या असंवेदिता (एनेस्थीसिया) के समय मस्तिष्क का पूर्वानुमान करने के लिए संकेत प्रक्रमन (सिग्नल प्रोसेसिंग), तंत्रिकाविज्ञान, क्लिनिकल डेटा और यंत्र अधिगम को जोड़ती है। उदाहरण के लिए, ईईजी संकेत का उपयोग करके मस्तिष्क की गहरी अवस्थाओं का अनुमान लगाना संभव है। इन अवस्थाओं का उपयोग रोगी को प्रशासित करने के लिए कृत्रिम निद्रावस्था की एकाग्रता का अनुमान लगाने के लिए किया जा सकता है।

अभिकलनात्मक मनोरोगविज्ञान
कम्प्यूटेशनल मनोरोग एक नया उदीयमान क्षेत्र है जो मनोविकारों का ज्ञान प्रदान करने के लिए यंत्र अधिगम, तंत्रिकाविज्ञान, न्यूरोलॉजी, मनोचिकित्सा, मनोविज्ञान के विशेषज्ञों को एक साथ लाता है।

न्यूरोमॉर्फिक कंप्यूटिंग
एक न्यूरोमॉर्फिक कंप्यूटर/चिप कोई भी उपकरण है जो संगणना करने के लिए भौतिक कृत्रिम न्यूरॉन्स (सिलिकॉन निर्मित) का उपयोग करता है (देखें: न्यूरोमॉर्फिक कंप्यूटिंग, भौतिक तंत्रिका नेटवर्क)। इस तरह के भौतिक मॉडल कंप्यूटर का उपयोग करने से लाभ है कि यह प्रोसेसर का अभिकलनात्मक लोड लेता है (इस अर्थ में कि संरचनात्मक और कुछ फलनिक अवयव को प्रोग्राम करने की आवश्यकता नहीं है क्योंकि वे हार्डवेयर में हैं)। आधुनिक समय में, न्यूरोमॉर्फिक तकनीक का उपयोग सुपरकंप्यूटर बनाने के लिए किया गया है जो अंतरराष्ट्रीय तंत्रिका विज्ञान सहभाग में उपयोग किया जाता है। उदाहरणों में ह्यूमन ब्रेन प्रोजेक्ट स्पिननेकर सुपरकंप्यूटर और ब्रेनस्केल कंप्यूटर सम्मिलित हैं।

यह भी देखें

 * संभावित कार्रवाई
 * जैविक न्यूरॉन मॉडल
 * बायेसियन मस्तिष्क
 * मस्तिष्क अनुकरण
 * कम्प्यूटेशनल एनाटॉमी
 * कनेक्टोमिक्स
 * डिफरेंशिएबल प्रोग्रामिंग
 * विद्युत शरीरक्रियाविज्ञान
 * फिट्जहग-नागुमो मॉडल
 * गल्वेस-लोचेरबैक मॉडल
 * गोल्डमैन समीकरण
 * हॉजकिन-हक्सले मॉडल
 * सूचना सिद्धांत
 * गणितीय मॉडल
 * अरैखिक गतिकी
 * तंत्रिकीय कूटलेखन
 * तंत्रिकीय विकूटन
 * तंत्रिकीय दोलन
 * तंत्रिका सूचना विज्ञान
 * न्यूरोप्लास्टिकिटी
 * तंत्रिका क्रियाविज्ञान
 * नोजेनेसिस
 * सिस्टम न्यूरोसाइंस
 * सैद्धांतिक जीवविज्ञान
 * थीटा मॉडल

सॉफ्टवेयर

 * ब्रायन (सॉफ्टवेयर), एक पायथन (प्रोग्रामिंग भाषा) आधारित सिम्युलेटर
 * बुडापेस्ट संदर्भ संयोजी, मानव मस्तिष्क में कनेक्शन ब्राउज़ करने के लिए वेब आधारित 3डी विज़ुअलाइज़ेशन टूल
 * इमर्जेंट (सॉफ्टवेयर), न्यूरल सिमुलेशन सॉफ्टवेयर।
 * उत्पत्ति (सॉफ्टवेयर), एक सामान्य तंत्रिका सिमुलेशन प्रणाली।
 * घोंसला (सॉफ्टवेयर) स्पाइकिंग न्यूरल नेटवर्क मॉडल के लिए एक सिम्युलेटर है जो व्यक्तिगत न्यूरॉन्स की सटीक आकृति विज्ञान के बजाय तंत्रिका तंत्र की गतिशीलता, आकार और संरचना पर केंद्रित है।

पत्रिकाओं

 * Journal of Mathematical Neuroscience
 * Journal of Computational Neuroscience
 * Neural Computation
 * Cognitive Neurodynamics
 * Frontiers in Computational Neuroscience
 * PLoS Computational Biology
 * Frontiers in Neuroinformatics

सम्मेलन

 * कम्प्यूटेशनल और सिस्टम न्यूरोसाइंस (COSYNE) - सिस्टम न्यूरोसाइंस फोकस के साथ एक कम्प्यूटेशनल न्यूरोसाइंस बैठक।
 * वार्षिक कम्प्यूटेशनल न्यूरोसाइंस मीटिंग (CNS) - एक वार्षिक कम्प्यूटेशनल न्यूरोसाइंस मीटिंग।
 * कम्प्यूटेशनल कॉग्निटिव न्यूरोसाइंस - संज्ञानात्मक घटना पर ध्यान देने के साथ एक वार्षिक कम्प्यूटेशनल न्यूरोसाइंस बैठक।
 * न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स (एनआईपीएस)- एक प्रमुख वार्षिक सम्मेलन जिसमें ज्यादातर मशीन लर्निंग शामिल है।
 * Cognitive Computational Neuroscience (CCN) - संज्ञानात्मक कार्यों में सक्षम कम्प्यूटेशनल मॉडल पर केंद्रित एक कम्प्यूटेशनल न्यूरोसाइंस बैठक।
 * संज्ञानात्मक न्यूरोडायनामिक्स पर अंतर्राष्ट्रीय सम्मेलन (ICCN) - एक वार्षिक सम्मेलन।
 * UK गणितीय तंत्रिका विज्ञान बैठक- गणितीय पहलुओं पर केंद्रित एक वार्षिक सम्मेलन।
 * कम्प्यूटेशनल न्यूरोसाइंस (BCCN) पर बर्नस्टीन सम्मेलन– a वार्षिक कम्प्यूटेशनल तंत्रिका विज्ञान सम्मेलन]।
 * क्षेत्र सम्मेलन- एक द्विवार्षिक बैठक जिसमें सैद्धांतिक और प्रयोगात्मक परिणाम शामिल हैं।

वेबसाइट्स

 * Encyclopedia of Computational Neuroscience, Scholarpedia का हिस्सा, कम्प्यूटेशनल न्यूरोसाइंस और डायनेमिक सिस्टम पर एक ऑनलाइन विशेषज्ञ क्यूरेटेड एनसाइक्लोपीडिया

श्रेणी:अध्ययन के कम्प्यूटेशनल क्षेत्र श्रेणी:कम्प्यूटेशनल न्यूरोसाइंस श्रेणी:गणितीय और सैद्धांतिक जीव विज्ञान