Explore la théorie DLVO pour la stabilité colloïdale et le potentiel membranaire, ainsi que des concepts d'électrochimie dynamique comme les cellules galvaniques et la loi de Nernst.
Couvre l'analyse des données neurophysiologiques, y compris la détection AP, le calcul de la vitesse de tir et l'analyse spectrale, en mettant l'accent sur la prédiction des classes cellulaires.
Explore la base physique de la propagation du signal dans les neurones, en se concentrant sur la configuration du potentiel membranaire et les canaux ioniques.
Explore les colloïdes, le mouvement des particules, les forces de stabilisation et la vitesse de sédimentation, y compris la stabilisation électrostatique et stérique, les dispersions colloïdales et les mesures du potentiel de zêta.
Explore la dynamique de décision dans les neurosciences computationnelles, en mettant l'accent sur des modèles concurrentiels et des interactions 2-dimensionnelles efficaces entre les populations.
Explore les propriétés mécaniques et électriques des tissus neuraux, y compris le cerveau et la moelle épinière, ainsi que l'enregistrement des signaux neuraux à l'aide de diverses techniques.
Couvre l'analyse des données de potentiel membranaire des classes neuronales lors de la détection de moustaches chez la souris, en explorant les propriétés cellulaires et la modulation sensorielle.
Explore le potentiel d'inversion et l'équation de Nernst dans les neurosciences computationnelles, en se concentrant sur les canaux ioniques et la biophysique neuronale.
Explore les stratégies de reconstruction et de simulation dans Simulation Neuroscience, mettant l'accent sur les composants de construction, les workflows, la validation, la diversité des neurones, l'anatomie des microcircuits et les volumes de tissus virtuels.
Explique les mécanismes des potentiels d'action et leur propagation dans les neurones, en se concentrant sur les canaux ioniques et le rôle de la myélinisation.
