Explore la modélisation des réseaux neuronaux, l'analyse de sensibilité et la réplication des conditions expérimentales pour comprendre l'activité cérébrale.
Explore simulant des modèles de réseau neuronal à grande échelle et optimisant l'efficacité de la mémoire dans les simulations neuronales à l'aide de NEURON et de CoreNEURON.
Se penche sur la simulation de la dynamique du réseau dans les neurosciences silico, couvrant l'activité spontanée et évoquée, les simulations in-vitro et in-vivo, et l'analyse de sensibilité.
Couvre les bases des réseaux, en mettant l'accent sur les réseaux du cerveau, les percées historiques, les découvertes de petits mondes et de réseaux sans échelle, et l'importance du connectome humain.
Explore la connexion de la portée biologique avec les méthodes de simulation informatique et discute de divers environnements de simulation pour la modélisation de l'activité neuronale.
Couvre l'informatique neuromorphe, les défis dans l'informatique ternaire et binaire, les simulations matérielles du cerveau, et les nouveaux matériaux pour les cellules cérébrales artificielles.
Explore la dynamique des populations neuronales, en mettant l'accent sur les réseaux aléatoires et les arguments de terrain moyen pour la connectivité.
Explore la vue d'ensemble, la justification et les stratégies de la neuroscience de simulation, en mettant l'accent sur les défis de la reconstruction et de la simulation du cerveau.
S'insère dans la forme et la fonction de systèmes complexes, en mettant l'accent sur l'interaction entre «masse» et «réseaux de transport» dans différents systèmes.
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.
Couvre les bases NeuroM, y compris la vérification de la qualité des neurones, l'extraction de la morphométrie et la visualisation des neurones dans différents formats.
S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
