Wpis z mikrobloga

#practopoiesis #sztucznainteligencja #ai

Monologu z dziedziny sztucznej inteligencji i neurobiologii ciąg dalszy:

Neuron może wytworzyć impuls tylko, gdy wzgórze aksonu zdoła w określonym czasie zsumować otrzymane impulsy z innych neuronów (liczy się także częstotliwość, zwłaszcza dla neuronów sensorów z pojedynczym dendrytem, jak te w siatkówce oka), oraz ma diametralne znaczenie długość aksonu (gdyż oporność rośnie wraz z odległością, co za tym idzie sygnał słabnie).

Po ekscytacji fragmentu neuronu zachodzi krótkotrwały okres hamowania, głównie po to, by sygnał nie rozchodził się w kierunku, z którego przybył (upraszczając: ładunek porusza się falowo, dlatego okres hamowania (hiperpolaryzacji) ratuje neuron przed zawracaniem sygnału do źródeł).

A teraz ta najciekawsza część: to wzgórze aksonu właściwie decyduje o tym, czy zebrano wystarczająco duży potencjał przekraczający próg (~-55mV; dla przypomnienia: stan spoczynkowy to ~-70mv), co powoduje depolaryzację i propagację impulsu dalej. On nie ma określonej stałej czasu, która mówi jak długo ma sumować potencjały każdego z dendrytów, tylko czeka do momentu, aż depolaryzacja nastąpi. Dlaczego więc mówi się o tym, że wzgórze sumuje impulsy przez krótki określony czas? Stąd właśnie, iż po każdej ekscytacji następuje krótki okres hamowania (receptory reagują na przekroczenie bariery potencjału i blokują dalsze transportowanie pozytywnie naładowanych jonów do wnętrza), a więc jakikolwiek dodatkowy sygnał by nie otrzymano, będzie on zignorowany przez określony czas i po tym czasie powrotu do stanu spoczynku, receptory odblokowują się i pozwalają na transport jonów w razie wystąpienia kolejnego sygnału. Dlatego też w komunikacji pomiędzy neuronami tym, co decyduje o tym, jaką informację on niesie, jest częstotliwość występowania impulsów, a nie wartość impulsu.

To sprawia iż dla zwirtualizowania neuronu muszę zaimplementować uproszczenie dla EPSP wraz z IPSP, ale kryje się za tym pewien haczyk - ponieważ chciałem dać możliwość skalowania czasu propagacji (aby móc przyspieszyć symulację), będę musiał to jakoś ominąć, gdyż jeśli uzależnię sygnały od delty czasu, wtedy im większa będzie skala czasu, tym łatwiej osiągana będzie depolaryzacja.
Sposobem na to może być uzależnienie od czasu wyłącznie "opóźnienia" otrzymania sygnału, tj. liczenie ile kroków propagacji mogę wykonać w danym odstępie czasowym i jeśli może nastąpić jedna lub więcej to wykonuję tyle kroków.
W przypadku symulacji neuronów trzeba jak najwięcej czynników uniezależnić od delty, pamiętajcie! :D
  • 1
hmm, po przemyśleniu: z jednym mogę się mylić: opornością - nie do końca tak to działa. Otóż sygnał jest propagowany poprzez falowo niesione zmiany potencjału w kolejnych fragmentach synapsy (jak i reszty neuronu, ale tutaj trzymamy się stricte synapsy) i niejako sygnał ma jakby tę samą wartość (well, może mieć różną, zależnie od tego ile jonów dodatnich do tego fragmentu wpadnie, ale generalnie zakłada się stałą), więc sygnał nie tyle słabnie (tak