Гиппокамп - одна из самых старых частей лимбической системы головного мозга, отвечающая за многие важные функции, например,участвует в формирование эмоций, переход кратковременной памяти в долговременную. До сих пор не установлено, как именно происходят многие механизмы внутри гиппокампа. Модель или симуляция этих процессов, могли бы помочь ученым лучше понимать их, а также увеличило бы скорость проверки теорий.
Целью данной работы является построение части численной модели нейронной сети гиппокампа крысы, а именно моделирование GiantDepolarizationPotential. Вычислительная машина воспроизводит только вычислительный процесс, в ней нет нейронов. Однако данные, полученные с помощью вычислительной машины, можно соотнести с реальными. Вычислительных мощностей не хватит для симуляции мозга человека, поэтому был выбран мозг крысы. Так как рассматриваемый отдел мозга у млекопитающих имеет много общего, то адаптация симуляции для человеческого мозга может быть произведена относительно быстро.
Для достижения цели были поставлены следующие задачи:
1. Выбор инструмента для моделирования нейрона и нейронной сети;
2. Выбор модели нейрона;
3. Моделирование процесса Giant Depolarization Potential;
4. Создание удобного интерфейса для моделирования процесса в рамках одного нейрона, а такжеAPIдля разработчиков нейронных сетей.
В результате выполнения дипломной работы было разработано приложение, позволяющее проводить моделирование
giantdepolarizationpotential и наблюдать изменение мембранного потенциала, а также проводимости глутамата и ГАМК.
В процессе выполнения дипломной работы были решены следующие задачи:
• Создана новая модель нейрона в Nest, правильно отображающая основные параметры нейрона;
• На основе новой модели создано приложение, реалистично моделирующее GDP;
• Создана графическая оболочка, позволяющая изменять параметры моделирования, позволяющая просмотреть изменения в поведении при GDP с различными параметрами.
Дальнейшее развитие приложения:
• Добавление новых параметров;
• Добавление новых графиков.
