به گزارش گروه علم و پیشرفت خبرگزاری فارس به نقل از روابط عمومی دانشگاه صنعتی امیرکبیر، شیرین دانش آموخته دانشگاه صنعتی امیرکبیر و مجری طرح « هم آوایی در شبکه نورونی آشوبی با کوپلینگ چند گانه» گفت: دستگاه عصبی مرکزی انسان و تواناییهای آن همواره موجب شگفتی محققان بوده است.
وی افزود: بسیاری از محققین تمام مدت زندگی خود را وقف مطالعه در مورد این عضو شگفتانگیز و تواناییهای آن کردهاند. یکی از زمینههای تحقیقاتی مهم در مهندسی پزشکی علوم اعصاب محاسباتی است که با استفاده از مدلهای محاسباتی با تکیه بر مبانی فیزیولوژی، به توصیفی واقعگرایانه از عملکرد مغز بهعنوان شبکهای پیچیده میپردازد.
پناهی خاطر نشان کرد: جذابیت پیشرفت فرآیندهای نظری در این حوزه ازآنجهت است که تلاش بر ارائه الگو های عملکرد مغز و شناخت هر چه بیشتر آن دارد. به کمک علوم اعصاب محاسباتی، فرصتی برای تحلیل مکانیزم هایی که هنوز اعتبارسنجی تجربی آن ها ممکن نیست، به وجود می¬آید.
وی افزود: انواع رفتار جمعی نورون ها با برخی از عملکردهای مغزی و یا برخی اختلالات عصبی در ارتباط است به همین دلیل در این تحقیق بر روی این رفتارهای جمعی، تمرکز کرده ایم و مکانیزم های تحلیل آنها و ابزارهای کمی سازی تغییرات کیفی کار را مورد بررسی قرار دادیم.
محقق دانشگاه صنعتی امیر کبیر گفت: یکی از فرضیههای مهم پذیرفتهشده، این است که همآوایی یکی از علتهای احتمالی مکانیسمهای ارتباطی در سیستم عصبی است. بهطوریکه این پدیده مسئول عملکرد و یا اختلال در پردازشهای حرکتی، شناختی و حافظه در انسان شناخته میشود.
وی ادامه داد: مطالعه پدیده همآوایی علاوه بر علوم اعصاب در بسیاری از زمینههای علمی و فناوری کاربردهای متنوعی دارد. بنابراین شناخت و بررسی هر چهبهتر این پدیده میتواند راهنمای مناسبی برای یافتن اصول سازماندهی شبکههای پیچیده در دنیای واقعی (مانند مغز) و یا طراحی شبکههای مصنوعی با بازده بالا باشد.
وی با اشاره روند انجام کار گفت: در این پروژه، موضوع گسترده همآوایی در شبکههای پویای زیستی، بخصوص شبکههای نورونی، در دو گام اصلی مورد بررسی قرارگرفته است در ابتدا همآوایی در شبکههای متشکل از مدلهای محاسباتی نورونی و نوسانگرهای متعامل آشوبی را مورد بررسی قرار دادیم و سپس همآوایی در شبکههای ناهمسان توسط تجزیهوتحلیل همگرایی در ویژگیهای فرکانس، زاویه و دامنه سری زمانی سیگنال عصبی را ارزیابی کردیم.
وی با بیان اینکه در این پروژه روشی ساده و جدید برای محاسبه MSF با کاهش پیچیدگی محاسباتی ارائه شد، بیان کرد: همچنین طی این پروسه به بررسی میزان تمایل به همآوایی در این شبکهها پرداختیم.
پناهی با اشاره به نتیجه این تحقیقات گفت: همآوایی در شبکههای همسان تحت تأثیر سه عامل دینامیک هر سیستم بهصورت تکی، معماری کلی یا ساختار شبکه و همچنین نوع و قدرت ضریب کوپلینگ شبکه است. معماری کلی یا ساختار شبکه، یکی از عوامل تأثیرگذار بر همآوایی در شبکههای پیچیده شناخته میشود.
به گفته وی، در این پروژه، نتایج بخش دیگری نشان داد که افزایش ضریب کوپلینگ شیمیایی و هم ضریب کوپلینگ میدان باعث افزایش قابلیت همآوایی شبکه میشود اما محدودیتی در افزایش ضریب کوپلینگ شیمیایی و میدان و جود دارد. زیرا شبکه علاوه بر بروز رفتار همآوایی قابلیت بروز رفتار مرگ اسیلاتوری نیز دارد. بهطوریکه اگر ضریب کوپلینگ شیمیایی و یا میدان بیشتر از مقدار آستانه افزایش یابند، شبکه کارکرد خود را ازدستداده و دچار مرگ اسیلاتوری میشود.
به گفته وی، در رویکرد دوم همآوایی در شبکههای نورونی، به بررسی همآوایی در شبکههای ناهمسان توسط تجزیهوتحلیل همگرایی در ویژگیهای فرکانس، زاویه و دامنه سری زمانی سیگنال عصبی را مورد بررسی قرار دادیم و در گام دیگر بهمرور روشهای مرسوم در حوزه سنجش همآوایی در شبکههای ناهمسان نورونی پرداختیم.
به گفته وی، سپس با بررسی علل ناکارآمدی روشهای مرسوم در سنجش همآوایی سیستمهای پیچیده زیستی، روشی جدید با تکیه بر الگوی رفتاری نوسانگرهای شبکه ارائه کردیم که بررسی نتایج حاصل از این بخش نیز مشخص کرد، روش پیشنهادی همآوایی رفتاری، بهتر از دو روش دیگر قادر به تشخیص همآوایی در شبکه ناهمسان زیستی است.
وی ادامه داد: همچنین در این بخش اثر سازگاری ساختاری نوسانگرهای مختلف شبکه ناهمسان بر همآوایی موردبررسی قرار گرفت.
به گفته وی، نبود پردازندههای قوی برای برنامه نویسی واجرا شبیهسازیهای این پروژه مسیر پژوهش را با سختیهای بسیاری همراه کرده بود از پیچیدگی های این پروژه بودند.
وی در خصوص نتایج این پروژه گفت: کاربرد نتایج این تحقیق و روش ارائه شده در زمینه دانش علوم اعصاب و علوم محاسباتی است. بطور کلی، مطالعه پدیده همآوایی علاوه بر علوم اعصاب در زمینه های پزشکی نیز میتواند کاربردی باشد.
گفتنی است: استاد راهنمای این پروژه دکتر سجاد جعفری عضو هیات علمی دانشگاه صنعتی امیرکبیر بوده است.
انتهای پیام/
نظر شما