계산신경과학

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

계산신경과학은 뇌의 기능을 이해하기 위해 수학적 모델링과 컴퓨터 시뮬레이션을 활용하는 학문 분야이다. 1985년 '계산 신경과학'이라는 용어가 처음 사용되었으며, 루이 라피크의 뉴런 모델, 앨런 호지킨과 앤드류 헉슬리의 활동 전위 모델, 데이비드 마르의 뉴런 간 상호 작용 연구 등이 이 분야의 초기 발전에 기여했다. 주요 연구 주제로는 단일 뉴런 및 신경교세포 모델링, 뇌 발달, 감각 처리, 운동 제어, 기억, 네트워크 행동, 인지, 의식 등이 있으며, 계산 신경 임상 신경과학, 예측 계산 신경과학, 계산 정신의학 등의 응용 분야로도 확장되고 있다. 뉴로모픽 컴퓨팅과 같은 관련 기술과 COSYNE, CNS, NIPS, CCN 등 관련 학회가 존재한다.

더 읽어볼만한 페이지

수리생물학 - Folding@home
Folding@home은 단백질 폴딩 연구를 위해 전 세계 컴퓨터 자원을 활용하여 알츠하이머병, 헌팅턴병 등 질병 연구에 기여하는 분산 컴퓨팅 프로젝트이다.
수리생물학 - 비토 볼테라
이탈리아의 수학자, 물리학자, 생물학자인 비토 볼테라는 함수론, 적분 방정식, 미분 방정식 분야에 기여했으며, 로트카-볼테라 방정식으로 개체군 생태학에 공헌했고, 파시즘 정권에 저항한 이탈리아 왕국 상원 의원이었다.
인지신경과학 - 공감
공감은 타인의 감정을 이해하고 공유하는 심리적 과정으로, 정서적 공감(감정적 반응)과 인지적 공감(관점 이해)으로 나뉘며, 유전적, 환경적 요인과 뇌의 거울 뉴런 시스템에 영향을 받고, 사회적 상호작용, 도덕적 판단, 정신 질환과 관련되며, 다양한 방법으로 측정되고, 동물 연구 및 허구 매체에서도 중요한 요소로 다뤄진다.
인지신경과학 - 의식 (심리철학)
자신의 마음속에서 일어나는 일에 대한 인식 또는 주변 환경을 인식하고 반응하는 상태인 의식은 존 로크에게서 비롯된 현대적 개념으로 철학, 인지 과학, 의학 등 다양한 분야에서 연구되고 있으며, 명확한 정의를 내리기는 어렵지만 여러 철학적 논쟁과 과학적 연구가 진행되고 있다.
계산신경과학 - 인공 신경망
계산신경과학 - 인공 일반 지능
인공 일반 지능(AGI)은 추론, 지식 표현, 학습 등의 능력을 갖춘 인공지능 시스템을 의미하며, 기아와 빈곤 해결 등의 이점을 제공하지만 통제력 상실과 같은 위험도 존재한다.

계산신경과학
계산 신경 과학
뇌의 신경 연결을 시각화한 이미지
학문 분야
분야	신경과학
하위 분야	뇌 기능 인지 과학 생물학 물리학 수학 컴퓨터 과학
개요
정의	뇌와 신경계의 기능을 연구하기 위해 수학적 도구, 이론 및 컴퓨터 시뮬레이션을 사용하는 학문 분야
목표	뇌와 신경계의 정보 처리 메커니즘을 이해하고, 신경세포 수준에서 인지 기능까지 다양한 규모의 생물학적 모델을 개발하는 것
접근 방식	단일 뉴런 모델링 신경 회로 모델링 인지 프로세스 모델링 기계 학습 및 인공 신경망 활용
핵심 질문	신경계는 어떻게 정보를 처리하는가? 뇌는 어떻게 학습하고 기억하는가? 인지 기능은 어떻게 신경 활동에서 발생하는가?
역사
초기 연구	1940년대: 워렌 맥컬록과 월터 피츠의 뉴런 모델 연구 1950년대: 앨런 튜링의 '모방 게임' 제안 및 초기 인공 지능 연구 1960년대: 데이비드 허블과 토르스텐 위즐의 시각 피질 연구 및 신경망 이론 발전
발전	1980년대: 병렬 분산 처리 이론 발전 및 역전파 알고리즘 개발 1990년대: 뇌 영상 기술 발전과 함께 인지 기능 모델링 연구 활발 2000년대 이후: 심층 학습 기반 모델링과 대규모 뇌 데이터 분석 연구 증가
연구 방법
모델링	뉴런 모델 (Hodgkin-Huxley 모델, leaky integrate-and-fire 모델) 신경 회로 모델 (네트워크 모델, attractor 네트워크) 인지 모델 (베이즈 모델, 마르코프 결정 프로세스)
시뮬레이션	다양한 수준의 뇌 기능 모델링을 위해 컴퓨터 시뮬레이션 활용 NEURON, Brian, NEST 등의 시뮬레이션 도구 사용
데이터 분석	뇌 영상 데이터 (EEG, MEG, fMRI) 분석 신경 활동 데이터 (스파이크 데이터, LFP) 분석 통계학적 모델링 및 기계 학습 기법 적용
이론	정보 이론 동역학 시스템 이론 제어 이론
주요 응용 분야
뇌 질환 연구	알츠하이머병, 파킨슨병, 간질 등의 신경 질환 연구 뇌 질환의 메커니즘 이해 및 치료법 개발
인공 지능	뇌의 정보 처리 원리를 모방한 인공 지능 알고리즘 개발 심층 학습 및 강화 학습 등의 분야 발전
로봇 공학	생물학적 원리에 영감을 받은 자율 로봇 개발 신경 제어 및 감각 운동 통합 연구
인지 과학	지각, 기억, 학습, 의사 결정 등의 인지 기능 연구 인지 과정의 신경 메커니즘 이해
주요 연구자
영향력 있는 학자	워렌 맥컬록, 월터 피츠 앨런 튜링 데이비드 허블, 토르스텐 위즐 제프리 힌튼, 얀 르쿤, 요슈아 벤지오 테렌스 세즈노프스키, 패트리샤 처칠랜드 페터 다얀, 래리 애봇
연관 학문
연관 분야	신경과학 인지 과학 인공 지능 물리학 수학 컴퓨터 과학 로봇 공학 생물학 통계학

2. 역사

계산신경과학의 역사는 뇌 기능을 신경계의 정보처리 과정으로 설명하려는 시도에서 비롯되었다.

1985년 에릭 슈워츠(Eric L. Schwartz)가 '계산신경과학'이라는 용어를 처음 사용했지만,^[14] 뇌 기능을 정보처리 관점에서 연구한 역사는 더 오래되었다.

윌프리드 럴(Wilfrid Rall)은 케이블 이론(cable theory)을 바탕으로 최초의 다중 구획 모델을 개발하여 생물학적으로 사실적인 뉴런 및 수상돌기의 계산 모델링 연구를 개척하였다.

2009년 헨리 마크램(Henry Markram)은 10년 안에 컴퓨터로 인간 뇌 전체를 구축하는 것이 가능할 것이라고 전망했다.

2. 1. 초기 역사 (1940년대 ~ 1980년대)

계산신경과학의 역사는 1940년대부터 시작된다. 1943년 미국의 워런 매컬럭(Warren McCulloch)과 월터 피츠(Walter Pitts)는 뉴런의 작동 방식을 수학적으로 모델링한 논문을 발표하여 신경망 연구의 기초를 마련했다.^[14] 이들은 뉴런이 어떻게 서로 연결되어 학습과 같은 정신 과정을 수행하는 신경망을 형성하는지 보여주었다.

1949년 캐나다의 도널드 헤브(Donald Hebb)는 저서 『행동의 체제(The Organization of Behavior)』에서 신경망 학습 규칙을 제안했다.^[14] 그는 뉴런 간의 연결 강도가 학습에 의해 변화한다는 가설을 제시했는데, 이는 신경망 연구의 핵심 원리가 되었다.

1952년 영국의 생리학자 앨런 호지킨(Alan Hodgkin)과 앤드루 헉슬리(Andrew Huxley)는 뉴런 간 신호 전달 메커니즘을 이온 이동으로 설명하는 활동 전위(action potential) 모델을 만들었다.^[16] 이들은 이 공로로 1963년 노벨 생리의학상을 수상했다.

이 분야의 초기 역사적 뿌리는^[16] 루이 라피크(Louis Lapicque), 앨런 호지킨(Alan Hodgkin) & 앤드루 헉슬리(Andrew Huxley), 데이비드 H. 허벨(David H. Hubel)과 토르스텐 위젤(Torsten Wiesel), 그리고 데이비드 마르(David Marr (psychologist)) 등의 연구로 거슬러 올라갈 수 있다. 1907년 루이 라피크(Louis Lapicque)는 뉴런의 통합 발화(integrate and fire) 모델을 발표했다.^[17] 이 모델은 단순하여 인공 신경망(artificial neural network) 연구에 영향을 주었다.^[18]

데이비드 H. 허벨(David H. Hubel)과 토르스텐 위젤(Torsten Wiesel)은 일차 시각 피질(primary visual cortex)의 뉴런이 방향성 수용 영역을 가지고 있으며 열(column)로 구성되어 있음을 발견했다.^[19] 데이비드 마르(David Marr (psychologist))는 해마(hippocampus)와 신피질(neocortex) 내의 기능적 뉴런 그룹이 정보를 어떻게 상호 작용하고, 저장하고, 처리하고, 전달하는지에 대한 연구에 계산적 접근 방식을 제시했다.

2. 2. 용어의 등장과 발전 (1980년대 ~ 현재)

1985년 에릭 엘. 슈워츠(Eric L. Schwartz)는 캘리포니아주 카멜(Carmel, California)에서 열린 학술대회에서 '계산신경과학'이라는 용어를 처음 제안했다.^[14] 이 학술대회는 시스템 개발 재단(Systems Development Foundation)의 요청으로 개최되었으며, 이전까지 신경 모델링, 뇌 이론, 신경망 등 다양한 이름으로 불리던 분야의 연구 현황을 정리하기 위한 목적이었다. 이 회의의 내용은 1990년 "계산 신경과학(Computational Neuroscience)"이라는 책으로 출판되었다.^[14]

최초의 계산 신경과학 연례 국제 학술대회는 1989년 제임스 M. 바워(James M. Bower)와 존 밀러에 의해 캘리포니아주 샌프란시스코(San Francisco, California)에서 개최되었다.^[15] 1985년 캘리포니아 공과대학교(California Institute of Technology)에서는 최초의 계산 신경과학 대학원 교육 프로그램인 계산 및 신경 시스템 박사(Computational and Neural Systems Ph.D.) 프로그램이 개설되었다.

한편, 스위스의 헨리 마크램은 블루진(Blue Gene) 슈퍼컴퓨터를 사용하여 뇌를 모의(시뮬레이션)하는 연구를 수행하고 있다.

3. 주요 주제

계산신경과학은 단일 뉴런 모델링, 신경-교세포 상호작용, 감각 처리, 운동 제어, 기억 및 시냅스 가소성, 네트워크 행동, 시각 주의, 인지, 의식 등 다양한 주제를 연구한다.

단일 뉴런 모델링: 뉴런의 생물물리적 특성과 호지킨-헉슬리 모델을 통한 활동전위 발생 기전을 연구한다. 수상돌기 계산 기능, 전류 상호작용, GENESIS, NEURON 소프트웨어를 이용한 모델링, 블루 브레인 프로젝트의 피질 기둥 시뮬레이션 등이 주요 연구 내용이다.
신경-교세포 상호작용: 신경교 세포의 뉴런 활동 조절 역할, 칼륨 순환 및 시냅스 전달 조절 기전을 모델링을 통해 연구한다.^[25]^[26]^[27]
감각 처리: 호레이스 바로우의 효율적 부호화 가설에 기반하여 초기 감각 시스템의 처리 과정을 이해한다. 시각 처리의 효율적 부호화, V1 주목도 가설 (V1SH)에 따른 주의 선택, 베이즈 추론을 통한 지각 생성 모델 등이 연구된다.^[32]^[33]
운동 제어: 소뇌의 오류 수정, 운동 피질과 기저핵의 기술 학습, 전정 안구 반사 제어 등 뇌의 운동 제어 방식과 베이지안/최적 제어 방식과 같은 규범적 모델을 연구한다.
기억 및 시냅스 가소성: 헤브의 학습 규칙 기반의 홉필드 네트워크 등 초기 기억 모델, 해마 중심의 중장기 기억 형성, 시냅스 기능 변화 연구 등이 진행된다.
네트워크 행동: 뉴런 간 연결 방식, 정보 전달 방식, 소규모 네트워크의 이징 모델 축소, 평균장 이론을 이용한 신경 네트워크 집단 모델 등을 연구한다.^[36]
시각 주의, 식별 및 범주화: 시각적 주의 메커니즘과 V1 도드라짐 가설에 따른 하향식 도드라짐 지도 생성을 통한 주의 안내를 연구한다.^[31]
인지, 식별 및 학습: 인공지능 모델과 뇌의 계산 과정 비교(neuroAI), 컴퓨터과학과 정보이론 기반의 인지/행동 과정 및 인공지능 모델 학습의 수치화 연구가 진행 중이다.
의식: 프랜시스 크릭(Francis Crick), 줄리오 토노니(Giulio Tononi), 크리스토프 코흐(Christof Koch)의 의식의 신경 상관물(NCC) 연구가 진행되고 있지만, 아직 많은 부분이 추측 단계에 있다.^[42]

3. 1. 단일 뉴런 모델링

단일 뉴런조차도 복잡한 생물물리적 특성을 가지고 있으며 계산을 수행할 수 있다.^[20] 호지킨-헉슬리 모델은 두 가지 전압 감응성 전류만을 사용했다. 전압 감응성 이온 채널은 지질 이중층을 관통하는 당단백질 분자로, 특정 조건 하에서 축삭막을 통해 이온이 통과할 수 있도록 한다. 호지킨-헉슬리 모델에서 사용된 두가지 전압 감응성 전류는 빠르게 작용하는 나트륨 전류와 안쪽으로 정류되는 칼륨 전류이다. 활동전위의 시기와 정성적 특징을 예측하는 데는 성공했지만, 적응 및 션팅과 같은 여러 중요한 특징을 예측하는 데는 실패했다. 현재 과학자들은 다양한 전압 감응성 전류가 존재한다고 믿고 있으며, 이러한 전류의 상이한 역동성, 변조 및 민감성의 함의는 계산 신경과학의 중요한 주제이다.^[21]

복잡한 수상돌기의 계산 기능 또한 집중적으로 연구되고 있다. 뉴런의 기하학적 특성과 다양한 전류가 어떻게 상호 작용하는지에 대한 방대한 문헌이 있다.^[22]

GENESIS 및 NEURON과 같은 많은 소프트웨어 패키지를 통해 현실적인 뉴런의 신속하고 체계적인 ''in silico'' 모델링이 가능하다. 로잔 연방 공과대학교의 헨리 마크람이 설립한 프로젝트인 블루 브레인은 블루진 슈퍼컴퓨터에서 피질 기둥의 생물물리학적으로 상세한 시뮬레이션을 구축하는 것을 목표로 한다.

단일 뉴런 규모에서 풍부한 생물물리적 특성을 모델링하면 네트워크 역동성의 구성 요소 역할을 하는 메커니즘을 제공할 수 있다.^[23] 그러나 상세한 뉴런 설명은 계산 비용이 많이 들며, 이 계산 비용은 많은 뉴런을 시뮬레이션해야 하는 현실적인 네트워크 조사를 제한할 수 있다. 결과적으로 대규모 신경 회로를 연구하는 연구자들은 일반적으로 많은 생물학적 세부 사항을 무시하고 각 뉴런과 시냅스를 인위적으로 단순화된 모델로 나타낸다. 따라서 낮은 계산 오버헤드에서 상당한 생물학적 충실도를 유지할 수 있는 단순화된 뉴런 모델을 생성하려는 노력이 있다. 계산 비용이 많이 드는 상세한 뉴런 모델에서 충실하고 빠르게 실행되는 단순화된 대체 뉴런 모델을 생성하는 알고리즘이 개발되었다.^[24]

3. 2. 신경-교세포 상호작용 모델링

신경교 세포는 세포 수준과 네트워크 수준 모두에서 뉴런 활동 조절에 상당히 중요한 역할을 한다. 이러한 상호작용을 모델링하면 항상성 유지를 위해 매우 중요하고 간질 발작을 예방하는 데 중요한 칼륨 순환을 명확히 이해할 수 있다.^[25]^[26] 모델링을 통해 시냅스 전달을 방해하고 시냅스 통신을 조절하기 위해 어떤 경우 시냅스 간극에 침투할 수 있는 신경교 돌기의 역할을 밝힐 수 있다.^[27]

3. 3. 뇌 발달, 축삭 패턴 형성 및 안내

발달 과정에서 축삭(axons)과 수상돌기(dendrites)는 어떻게 형성되는가? 축삭은 어떻게 표적을 알아내고 그 표적에 도달하는가? 신경세포는 중추 및 말초 신경계에서 어떻게 적절한 위치로 이동하는가? 시냅스는 어떻게 형성되는가? 분자생물학(molecular biology)을 통해 신경계의 여러 부분이 신경세포들 사이의 기능적 연결의 성장과 발달을 조절하고 영향을 미치는 성장인자(growth factors)에서 호르몬(hormones)에 이르기까지 다양한 화학적 신호를 방출한다는 것을 알고 있다.

시냅스 연결과 형태 형성에 대한 이론적 연구는 아직 초기 단계이다. 최근 주목받고 있는 가설 중 하나는 '최소 배선 가설(minimal wiring hypothesis)'로, 축삭과 수상돌기의 형성은 자원 할당을 최소화하면서 최대 정보 저장을 유지한다는 가정을 한다.^[28]

3. 4. 감각 처리

호레이스 바로우는 초기 감각 시스템의 처리 과정을 뉴런이 스파이크 수를 최소화하는 정보를 부호화하는 일종의 효율적 부호화로 이해했다.^[29] 이는 초기 감각 처리 모델을 이론적 틀 안에서 이해하는 데 공헌했다. 실험 및 계산 연구는 이후 이 가설을 뒷받침해 왔다. 시각 처리의 예로, 효율적인 부호화는 효율적인 공간 부호화, 색상 부호화, 시간/움직임 부호화, 입체 부호화, 그리고 이들의 조합 형태로 나타난다.^[29]

시각 경로를 따라 더 진행하면, 효율적으로 부호화된 시각 정보조차도 정보 병목 현상, 즉 시각적 주의 병목 현상의 용량을 초과한다.^[30] 그 후속 이론인 V1 주목도 가설 (V1SH)은 일차 시각 피질의 상향식 주목도 지도에 의해 안내되는 시각 입력의 일부에 대한 외생적 주의 선택을 추가 처리를 위해 개발되었다.^[31]

감각 처리에 대한 현재 연구는 서로 다른 하위 시스템의 생물 물리학적 모델링과 지각의 보다 이론적인 모델링으로 나뉜다. 현재 지각 모델은 뇌가 어떤 형태의 베이즈 추론을 수행하고 물리적 세계에 대한 우리의 지각을 생성하는 데 있어 서로 다른 감각 정보를 통합한다고 제안했다.^[32]^[33]

3. 5. 운동 제어

뇌는 운동을 제어하는 방식에 대해 다양한 모델을 가지고 있다. 여기에는 소뇌의 오류 수정 역할, 운동 피질과 기저핵의 기술 학습, 전정 안구 반사 제어와 같은 뇌 처리 과정 모델이 포함된다. 또한 뇌가 효율적으로 문제를 해결한다는 아이디어를 바탕으로 베이지안 또는 최적 제어 방식과 같은 많은 규범적 모델도 포함된다.

3. 6. 기억 및 시냅스 가소성

헤브의 학습 규칙의 가정에 기반을 둔 초기 기억 모델은 홉필드 네트워크와 같이 생물 시스템에서 발생하는 연합적(또는 "내용 주소 지정") 스타일의 기억 특성을 다루기 위해 개발되었다. 이러한 시도는 주로 해마에 국한된 중장기 기억 형성에 초점을 맞추고 있다.

신경생리학적 기억에서 주요 문제 중 하나는 여러 시간 척도를 통해 어떻게 유지되고 변화하는가이다. 불안정한 시냅스는 훈련하기 쉽지만 확률적 방해에 취약하기도 하다. 안정적인 시냅스는 망각이 덜 쉽지만, 강화하기도 어렵다. 향후 수십 년 동안 계산 도구가 시냅스가 외부 자극과 관련하여 어떻게 기능하고 변화하는지 이해하는 데 크게 기여할 가능성이 높다.

3. 7. 네트워크 행동

생물학적 뉴런은 복잡하고 순환적인 방식으로 서로 연결되어 있다. 이러한 연결은 대부분의 인공 신경망과 달리 드물고 일반적으로 특정적이다. 시각 피질과 같은 뇌의 특정 영역은 어느 정도 자세히 이해되고 있지만, 이처럼 드물게 연결된 네트워크를 통해 정보가 어떻게 전달되는지는 알려져 있지 않다.^[34] 또한, 이러한 특정 연결 패턴의 계산 기능이 있는지 여부도 알려져 있지 않다.

소규모 네트워크 내 뉴런의 상호 작용은 종종 이징 모델과 같은 간단한 모델로 축소될 수 있다. 이러한 간단한 시스템의 통계 역학은 이론적으로 잘 특징지어져 있다. 최근 일부 증거는 임의의 뉴런 네트워크의 역학이 쌍방향 상호 작용으로 축소될 수 있음을 시사한다.^[35] 그러나 이러한 기술적 역학이 어떤 중요한 계산 기능을 부여하는지는 알려져 있지 않다. 이광자 현미경과 칼슘 이미징의 등장으로, 이제 우리는 뉴런 네트워크에 관한 새로운 이론을 검증할 수 있는 강력한 실험 방법을 가지고 있다.

어떤 경우에는 억제성 및 흥분성 뉴런 간의 복잡한 상호 작용을 평균장 이론을 사용하여 단순화할 수 있으며, 이는 신경 네트워크의 집단 모델을 생성한다.^[36] 많은 신경 이론가들은 복잡성이 감소된 이러한 모델을 선호하지만, 다른 이들은 구조-기능 관계를 밝히는 것은 가능한 한 많은 뉴런과 네트워크 구조를 포함하는 데 달려 있다고 주장한다. 이러한 유형의 모델은 일반적으로 GENESIS 또는 NEURON과 같은 대규모 시뮬레이션 플랫폼에서 구축된다. 이러한 복잡성 수준을 연결하고 통합하는 통합 방법을 제공하려는 시도가 있었다.^[37]

3. 8. 시각 주의, 식별 및 범주화

시각적 주의는 들어오는 자극의 일부분에만 처리를 제한하는 메커니즘의 집합으로 설명될 수 있다.^[38] 주의 메커니즘은 우리가 무엇을 보고 무엇에 행동할 수 있는지를 형성한다. 이 메커니즘을 통해 일부(바람직하게는 관련된) 정보를 동시에 선택하고 다른 정보를 억제할 수 있다. 시각적 주의와 특징 결합의 기저 메커니즘에 대한 보다 구체적인 명세를 얻기 위해, 심리물리학적 발견을 설명하기 위한 많은 계산 모델이 제안되었다. 일반적으로 모든 모델은 망막 입력의 잠재적으로 흥미로운 영역을 등록하기 위한 도드라짐(saliency) 또는 우선순위 지도와 들어오는 시각 정보의 양을 줄이는 게이트 메커니즘의 존재를 가정한다. 이는 뇌의 제한된 계산 자원이 처리할 수 있도록 하기 위함이다.^[39]

광범위하게 행동적으로나 생리적으로 검증되고 있는 이론의 한 예로, 하향식 도드라짐 지도가 일차 시각 피질에서 생성되어 외생적으로 주의를 안내한다는 V1 도드라짐 가설이 있다.^[31] 계산 신경과학은 뇌 기능에 관여하는 메커니즘을 연구하기 위한 수학적 틀을 제공하며, 신경심리학적 증후군의 완전한 시뮬레이션과 예측을 가능하게 한다.

3. 9. 인지, 식별 및 학습

인공지능 모델을 활용한 신경과학 연구(neuroAI)는 사람이 수행하는 인지과정과 비슷한 과정을 수행하는 인공지능 모델을 만들고, 이 모델이 뇌와 비슷한 계산과정을 수행하는지 확인하는 방법을 주로 사용한다. 이는 인공지능 모델을 뇌가 택할 수 있는 계산과정에 대한 가설로 보는 것이다. 컴퓨터과학과 정보이론의 발달로 "정보"를 정량화하는 방법이 연구되면서, 인지/행동 과정뿐만 아니라 인공지능 모델의 학습까지 숫자로 표현하려는 시도가 이루어졌다. 예를 들어, 고양이 사진의 "픽셀값"은 뇌와 인공지능 모델에서 처리되는 "숫자화된 정보값"이다. 인공지능 모델과 사람의 뇌가 이 정보를 처리하는 방식을 비교함으로써 둘 사이에 공통점이 있는지 연구할 수 있다.

고차원 인지 기능에 대한 계산 모델링은 최근에 시작되었다. 실험 데이터는 주로 단일 단위 기록을 통해 얻어진 영장류의 데이터에서 나온다. 전두엽과 두정엽은 여러 감각 양식의 정보를 통합하는 역할을 한다. 이러한 영역에서 상호 억제적 기능 회로가 어떻게 생물학적으로 관련된 계산을 수행할 수 있는지에 대한 몇 가지 아이디어가 있다.^[40]

뇌는 특정 상황에서 특히 잘 식별하고 적응하는 것으로 보인다. 예를 들어, 인간은 안면 인식에 뛰어난 능력을 가지고 있다. 계산 신경과학의 주요 목표 중 하나는 생물학적 시스템이 이러한 복잡한 계산을 효율적으로 수행하는 방법을 분석하고, 이러한 과정을 복제하여 지능형 기계를 만드는 것이다.

통합 신경과학은 통합된 기술적 모델과 행동 측정 및 기록 데이터베이스를 통해 뇌의 대규모 조직 원리를 통합하려고 시도한다. 이것들은 대규모 뇌 활동의 정량적 모델링의 기반이 된다.^[41]

마음의 계산적 표상 이해(Computational Representational Understanding of Mind, CRUM)는 의사 결정에서 획득된 규칙 기반 시스템과 시뮬레이션된 프로세스를 통해 인간 인지를 모델링하려는 시도이다.

3. 10. 의식

프랜시스 크릭(Francis Crick), 줄리오 토노니(Giulio Tononi), 크리스토프 코흐(Christof Koch)는 의식의 신경 상관물(NCC)에 대한 미래 연구를 위한 일관된 틀을 세우려는 시도를 했지만, 이 분야의 많은 연구는 여전히 추측적인 수준에 머물러 있다.^[42]

4. 응용 분야

계산신경과학은 신경과학, 신경학, 정신의학, 의사결정 과학 및 계산 모델링 등 다양한 분야의 전문가들이 협력하여 신경 질환 및 정신 질환 문제를 정량적으로 정의하고 조사하는 데 활용된다. 이러한 모델은 진단 및 치료에 적용될 수 있도록 과학자와 임상의를 교육하는 데에도 사용된다.^[43]^[44]

최근에는 신호 처리, 신경과학, 임상 데이터 및 기계 학습을 결합하여 혼수^[45] 또는 마취^[46] 상태의 뇌 활동을 예측하는 분야도 등장했다. 예를 들어, EEG 신호를 사용하여 깊은 뇌 상태를 예측하고, 이를 통해 환자에게 투여할 최면 농도를 예측할 수 있다.

또한, 계산정신의학은 기계 학습, 신경과학, 신경학, 정신의학, 심리학 전문가들이 협력하여 정신 질환에 대한 이해를 높이는 새로운 분야로 주목받고 있다.^[47]^[48]^[49]

4. 1. 계산 신경 임상 신경과학

계산 신경 임상 신경과학은 신경과학, 신경학, 정신의학, 의사결정 과학 및 계산 모델링 전문가들을 한데 모아 신경 질환 및 정신 질환에서의 문제를 정량적으로 정의하고 조사하며, 이러한 모델을 진단 및 치료에 적용하고자 하는 과학자와 임상의를 교육하는 분야이다.^[43]^[44]

4. 2. 예측 계산 신경과학

신호 처리, 신경과학, 임상 데이터 및 기계 학습을 결합하여 혼수^[45] 또는 마취^[46] 상태의 뇌 활동을 예측하는 최근의 분야이다. 예를 들어, EEG 신호를 사용하여 깊은 뇌 상태를 예측할 수 있다. 이러한 상태는 환자에게 투여할 최면 농도를 예측하는 데 사용될 수 있다.

4. 3. 계산 정신의학

계산정신의학은 기계 학습, 신경과학, 신경학, 정신의학, 심리학 전문가들을 한데 모아 정신 질환에 대한 이해를 제공하는 새롭게 등장하는 분야이다.^[47]^[48]^[49]

5. 관련 기술

뉴로모픽 컴퓨터/칩은 실리콘으로 만들어진 물리적 인공 뉴런을 사용하여 계산을 수행하는 장치이다(뉴로모픽 컴퓨팅, 물리적 신경망). 이러한 물리적 모델 컴퓨터를 사용하면 프로세서의 계산 부하를 줄일 수 있는데, 구조적 요소와 일부 기능적 요소가 하드웨어에 이미 구현되어 있어 프로그래밍할 필요가 없기 때문이다.^[50] 최근에는 뉴로모픽 기술을 사용하여 국제 신경과학 협력에 사용되는 슈퍼컴퓨터를 구축하고 있다. 예를 들어 휴먼 브레인 프로젝트의 SpiNNaker 슈퍼컴퓨터와 BrainScaleS 컴퓨터가 있다.^[51]

6. 관련 학회 및 연구

1985년 미국에서 정보처리 개념으로 뇌의 기능에 접근하는 연구를 유기적으로 추진하기 위한 학술대회가 열렸다. 이 대회는 에릭 슈워츠가 주도하였으며, 그는 ‘계산신경과학’이라는 용어를 처음 만들어냈다. 한편 스위스의 헨리 마크램은 블루진(Blue Gene) 슈퍼컴퓨터를 사용하여 뇌를 모의(시뮬레이션)하는 연구를 수행하고 있다. 2009년 7월 테드(TED) 컨퍼런스에서 마크램은 “10년 안에 사람 뇌 전체를 컴퓨터에 구축하는 것은 불가능하지 않을 것 같다. 그 인공 뇌는 사람 뇌처럼 지능을 갖고 말도 하고 행동할 것”이라고 전망했다.

참조

_[1] 서적 Fundamentals of Computational Neuroscience https://archive.org/[...] Oxford University Press Inc.
_[2] 서적 Computational Neuroscience http://mitpress.mit.[...] MIT Press 2009-06-11
_[3] 서적 Theoretical neuroscience: computational and mathematical modeling of neural systems MIT Press
_[4] 서적 Neuronal Dynamics Cambridge University Press
_[5] 학술지 A Brief History of Simulation Neuroscience 2019
_[6] 서적 Fundamentals of Computational Neuroscience https://books.google[...] OUP Oxford 2017-01-17
_[7] 학술지 Mathematical neuroscience: from neurons to circuits to systems 2003-03-01
_[8] 학술지 Cognitive computational neuroscience 2018-09
_[9] 간행물 Organismically-inspired robotics: homeostatic adaptation and teleology beyond the closed sensorimotor loop
_[10] 학술지 Turing centenary: Is the brain a good model for machine intelligence? 2012-02-22
_[11] 서적 Neural Network Perspectives on Cognition and Adaptive Robotics https://books.google[...] CRC Press 1997-01-01
_[12] 학술지 Modeling language and cognition with deep unsupervised learning: a tutorial overview 2013-08-20
_[13] 학술지 Branching into brains 2017-12-05
_[14] 서적 Computational neuroscience MIT Press
_[15] 서적 20 years of Computational neuroscience Springer
_[16] 학술지 A Brief History of Simulation Neuroscience 2019
_[17] 학술지 Recherches quantitatives sur l'excitation électrique des nerfs traitée comme une polarisation
_[18] 학술지 Lapicque's 1907 paper: from frogs to integrate-and-fire
_[19] 학술지 Receptive fields, binocular interaction and functional architecture in the cat's visual cortex http://www.jphysiol.[...]
_[20] 학술지 Intracellular Calcium Dynamics Permit a Purkinje Neuron Model to Perform Toggle and Gain Computations Upon its Inputs.
_[21] 서적 Foundations of cellular neurophysiology MIT Press
_[22] 서적 Biophysics of computation: information processing in single neurons Oxford University Press
_[23] 학술지 Intracellular Calcium Dynamics Permit a Purkinje Neuron Model to Perform Toggle and Gain Computations Upon its Inputs.
_[24] 학술지 Simulation of alcohol action upon a detailed Purkinje neuron model and a simpler surrogate model that runs >400 times faster 2015-04
_[25] 웹사이트 Dynamics of Ion Fluxes between Neurons, Astrocytes and the Extracellular Space during Neurotransmission https://cyberleninka[...] 2023-03-14
_[26] 학술지 The Neuroglial Potassium Cycle during Neurotransmission: Role of Kir4.1 Channels 2015-03-31
_[27] 학술지 Connexin 30 sets synaptic strength by controlling astroglial synapse invasion https://www.nature.c[...] 2014-04
_[28] 학술지 Cortical rewiring and information storage 2004-10
_[29] 서적 The efficient coding principle https://www.oxfordsc[...] Oxford University Press
_[30] 웹사이트 Visual spatial attention https://en.wikipedia[...]
_[31] 학술지 A saliency map in primary visual cortex https://www.scienced[...]
_[32] 학술지 Motion illusions as optimal percepts 2002-05-20
_[33] 학술지 Merging the senses into a robust percept 2004-04
_[34] 학술지 Sparse coding with an overcomplete basis set: A strategy employed by V1? 1997-12-01
_[35] 학술지 Weak pairwise correlations imply strongly correlated network states in a neural population
_[36] 논문 A mathematical theory of the functional dynamics of cortical and thalamic nervous tissue
_[37] 서적 Neural Engineering: Computation, Representation, and Dynamics in Neurobiological Systems (Computational Neuroscience) The MIT Press
_[38] 서적 Blackwell Handbook of Sensation and Perception https://archive.org/[...] Blackwell Publishing Ltd
_[39] 서적 Computational Neuroscience of Vision Oxford Scholarship Online
_[40] 논문 Flexible control of mutual inhibition: a neural model of two-interval discrimination
_[41] 논문 Multiscale brain modelling
_[42] 논문 A framework for consciousness https://zenodo.org/r[...]
_[43] 논문 How early can we predict Alzheimer's disease using computational anatomy?
_[44] 논문 Computational psychiatry: the brain as a phantastic organ
_[45] 논문 Predicting neurological outcome after cardiac arrest by combining computational parameters extracted from standard and deviant responses from auditory evoked potentials 2023
_[46] 논문 Combining transient statistical markers from the EEG signal to predict brain sensitivity to general anesthesia https://www.scienced[...] 2022-08-01
_[47] 논문 Computational psychiatry 2011-12-14
_[48] 논문 Computational Psychiatry Research Map (CPSYMAP): a new database for visualizing research papers
_[49] 논문 Computational psychiatry as a bridge from neuroscience to clinical applications
_[50] 웹사이트 Beyond von Neumann, Neuromorphic Computing Steadily Advances https://www.hpcwire.[...] 2016-03-21
_[51] 논문 The human brain project and neuromorphic computing 2013-08-20
_[52] 서적 Fundamentals of Computational Neuroscience https://archive.org/[...] Oxford University Press Inc.
_[53] 웹인용 What is computational neuroscience? https://web.archive.[...] MIT Press 2009-06-11
_[54] 웹인용 Theoretical Neuroscience https://web.archive.[...] 2018-05-24
_[55] 서적 Neuronal Dynamics Cambridge University Press
_[56] 서적 Fundamentals of Computational Neuroscience https://archive.org/[...] Oxford University Press Inc.
_[57] 논문 Mathematical neuroscience: from neurons to circuits to systems 2003-03

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com