В одном из последних исследований в области нейрологии, ученые разработали схему оценки нейронной цепи с помощью биофизически подробной модели. CMA-ES, своего рода эволюционное вычисление, было использовано для приведения модели в соответствие с данными, полученными в результате физиологического эксперимента. С помощью этого метода был изучен нейронный механизм премоторной области шелкопряда (Bombyx mori), генерирующий поведенческие команды поиска источников запаха. Поиск источников запаха является одной из типичных черт поведения животных, характеризующихся высокой адаптивностью и устойчивостью к окружающей среде. Для изучения этого поведения проводились наблюдения шелкопрядных бабочек. Самцы шелкопряда демонстрируют особенно примечательное зигзагообразное поисковое передвижение, инициированное половым феромоном при навигации по его следу. Целью исследования является создание модели нейросетей, контролирующих поисковое поведение мотыльков шелкопряда по источнику запаха.
В других подобных исследованиях, были частично раскрыты нейронные механизмы поиска источников запаха у мотыльков шелкопряда.
- Во-первых, триггерная реакция нисходящих нейронов I/II группы соответствует передвижению.
- Во-вторых, премоторный центр, который генерирует триггерный паттерн, идентифицируется как латеральные вспомогательные доли – брюшной протеребрум.
- В-третьих, были получены и сохранены в базе данных, физиологические и морфологические записи на уровне одной клетки в этом районе.
Однако детальная сетевая модель еще не создана из-за сложности нейронной сети.
Такой уровень сложности затрудняет определение модели путем ручной настройки. Кроме того, трудно также оценить параметры активности каждой клетки в отдельности. Существуют другие исследования, в которых эта проблема решалась с помощью ограниченной модели искусственной нейронной сети и которые были направлены на воспроизведение поведения. Однако экспрессионная способность модели была ограничена по сравнению с реальной нейронной цепью. Более того, этот метод дает только карту от входа до выхода, поэтому он не подходит для детального изучения влияния таких нейронных факторов, как морфология, свойства мембраны клеток, связность сети и физическое расположение соединений. В этом исследовании была включена подробная информация об этом. Использовался метод оценки, который может рассматривать эти факторы как параметры оценки. С ростом сложности модели возрастает вычислительная сложность. Для того чтобы преодолеть эту трудность, проводилось моделирование в иерархически распараллеленной среде. Оценочные параметры будут использованы для изучения влияния вышеупомянутых элементов.
Для достижения этой цели, была использована многокамерная модель для представления морфологии клеток, а эволюционные вычисления - для оценки параметров. Моделирование было выполнено на суперкомпьютере, это решало проблему сложности модели.
Многокамерную модель была построена в тренажере NEURON K+. Модель типа Ходжкина-Хаксли с Ca2+, Ca2+ активированным каналом K+ и каналом A-тока была рассчитана в каждом отсеке. Для оценки параметров использовалось эволюционное вычисление под названием CMA-ES (Covariance Matrix Adaptation Evolution Strategy). Входные (в данном случае феромонный стимул) и выходные (flip-flop реакция нисходящих нейронов) данные были зафиксированы и внутренние параметры были найдены. Параметрами оценки были факторы запуска модели и клеточные соединения. Оценка проводилась путем измерения разницы между фактическим и расчетным откликом выходной клетки в каждом поколении. Это будет первый метод оценки нейронных цепей с биофизически подробной моделью. Из-за хорошей совместимости с высокопараллельными вычислениями использовались CMA-ES методы. Сочетание этих методов позволяет количественно оценить целевое значение, которое было оценено эмпирически или путем ручной настройки.
В ходе предварительного моделирования проверялась эффективность этого подхода, решением упрощенной задачи. В частности, для представления морфологии клеток использовалась однокамерная модель, а количество клеток в сети было сокращено. После этого входной и выходной сигналы были зафиксированы, и было проведено исследование возможности метода оценки параметров соединения. Количество клеток в сети составляло 6, а отношение возбудителя к ингибитору - 2:1. Сеть была полностью подключена, а в качестве оценочных параметров были использованы вес и задержка соединения. Размер пространства параметров составлял 72. Гиперпараметр был задан следующим образом: количество генов составляло 4096, количество отобранных составляло 64, а число генераций составляло 55. Для моделирования однокамерной ячейки параметры активности были приведены в соответствие с измеренными данными с точки зрения максимальной скорости запуска и коэффициента затухания. Это был один пример целевой функции и оценки результата. По кривой активности результаты были получены ожидаемые. Форма дуги, а также увеличивающаяся и уменьшающаяся узор были достаточно точно согласованы с целевыми данными.
В дальнейшем планируется оценить реальную сеть LAL-VPC с однокамерной и морфологической мультикамерной моделью. В частности, интересует свойство нейронной цепи, которая генерирует нейронную активность в ответ на стохастический феромонный вход. Чем больше параметров используется, тем хуже сходимость и время расчета оценки. В качестве контрмеры для решения этой проблемы будет расширяться метод, основанный на методике под названием CMA-TWEANN. В данном исследовании оценивался мозг шелкопряда, но этот метод можно обобщить. Поэтому, если входные и выходные данные определены, этот метод может быть применен для оценки нейронных сетей любого другого вида (даже человека).
