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 modélisation de l'activité électrique du neurone, y compris les canaux ioniques et les concentrations, l'équation de Nernst et le potentiel de repos.
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.
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.
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.
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 la variabilité des trains de pics dans les neurosciences informatiques, couvrant les expériences, les sources de variabilité, et l'arrivée et le tir de pics stochastiques.
Couvre les propriétés électriques des neurones, en se concentrant sur les mécanismes de transport ionique et leur rôle dans la génération de signaux électriques.
Explore les modèles de décision en neuroscience computationnelle, en mettant l'accent sur la dynamique concurrentielle, la prise de décision perceptive et le problème du libre arbitre.
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.
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.
