FOUNDATIONS OF INFORMATION THEORY AND COMPUTATIONAL NEUROSCIENCES - MOD. 2

L’insegnamento è una delle attività formative obbligatorie del Corso di Laurea Magistrale in Engineering Physics, curriculum Physics of the Brain, e consente allo studente di acquisire la conoscenza e la comprensione dei concetti fondamentali e applicativi dei sistemi e delle neuroscienze computazionali.

L'insegnamento è diviso in quattro sottomoduli:
1. Tactile Perception (docente: Mathew Diamond, diamond@sissa.it)
2. Physiology and functions of the mammalian visual system (docente: Davide Zoccolan, zoccolan@sissa.it)
3. Evolution of Neural Computation (docente: Alessandro Treves, ale@sissa.it)
4. Bayesian modeling and information theory for neuroscience (docente: Eugenio Piasini, epiasini@sissa.it)

1. Conoscenza e capacità di comprensione
"Tactile Perception": apprendere i principali progressi storici nella comprensione dell'organizzazione e dell'elaborazione delle informazioni nella corteccia cerebrale; i principi di localizzazione della funzione; i meccanismi di trasduzione sensoriale, in particolare nel sistema somatosensoriale; i principi di base dei metodi psicofisici e delle funzioni psicometriche; i metodi per studiare le basi neuronali delle funzioni percettive, comprese le misure dell'attività cerebrale nei soggetti sperimentali comportamentali.

"Physiology and functions of the mammalian visual system": introduzione all’anatomia e alla neurofisiologia del sistema visivo, con particolare enfasi sulle funzioni della cosidetta “via ventrale”. Metodi per la registrazione dell’attività neuronale e per graficare ed eseguire un’analisi preliminare dei dati registrati. Verranno presentati tre diversi tipi di approcci computazionali (descrittivi, meccanicistici e funzionali) per modellizzare i dati neurali.

"Evolution of Neural Computation": arrivare ad una visione d’insieme dell’evoluzione del sistema nervoso, in particolare della nostra specie e di quelle affini, con attenzione focalizzata sui meccanismi computazionali evolutisi centinaia di milioni di anni fa nelle sue diverse componenti. Tale visione d’insieme dovrebbe essere messa in relazione con i recenti progressi nel campo dei sistemi di calcolo neurale artificiale.

"Bayesian modeling and information theory for neuroscience": essere consapevole di come gli approcci normativi basati sulla statistica bayesiana e sulla teoria dell'informazione possano contribuire all'indagine della percezione sensoriale e alla progettazione e interpretazione degli esperimenti di psicofisica.


2. Capacità di applicare conoscenza e comprensione
"Tactile Perception": familiarità con l'interpretazione dei dati psicofisici e deve essere in grado di valutare le relazioni tra l'attività neuronale e le misure comportamentali simultanee.

"Physiology and functions of the mammalian visual system": Leggere criticamente e comprendere un articolo scientifico nell’ambito delle neuroscienze di sistema. Essere in grado di capire che tipo di analisi e di modelli possano essere applicati alle risposte ottenute da neuroni visivi in seguito della presentazione di immagini e filmati.

"Evolution of Neural Computation": comparare gli assunti e le metodologie fondamentali, nell’ottica della loro applicazione all’analisi delle reti neurali.

"Bayesian modeling and information theory for neuroscience": essere in grado di costruire semplici modelli bayesiani per i compiti sensoriali, partendo da un piccolo insieme di ipotesi sui fattori cognitivi chiave in gioco e derivando previsioni concrete e verificabili su dati sperimentali in modo sistematico. Sviluppare una comprensione intuitiva del principio di codifica efficiente e del tipo di argomenti che possono essere sviluppati sulla base di esso.


3. Autonomia di giudizio
Essere in grado di applicare l'analisi critica al lavoro pubblicato in neuroscienze comportamentali. Sviluppo di una certa intuizione nella progettazione sperimentale.


4. Abilità comunicative
Saper porre domande chiare e precise sul materiale presentato e discusso.
Saper comunicare le conoscenze apprese utilizzando una terminologia appropriata, sia in ambito orale sia scritto.
Saper interagire con il docente e con i colleghi di corso in modo rispettoso e costruttivo, in particolare durante i lavori realizzati in gruppo.


5. Capacità di apprendimento
Saper prendere appunti, selezionando e raccogliendo le informazioni a seconda della loro importanza e priorità.
Saper essere sufficientemente autonomi nella raccolta di dati e informazioni rilevanti alla problematica investigata.

Utile una familiarità con i concetti trattati nei corsi di Analisi Matematica I e Analisi Matematica II (derivate e integrali ad una e più variabili), Algebra Lineare (spazi vettoriali e operazioni tra vettori, equazioni agli autovalori). Utile una familiarità con la probabilità e statistica e la funzione logistica.

1. Fisiologia e funzioni del sistema visivo dei mammiferi (introduzione alle neuroscienze sistemiche/computazionali).
2. Sistemi sensoriali: Percezione tattile
3. Evoluzione del calcolo neurale
4. Modellazione bayesiana e teoria dell'informazione per le neuroscienze

Martin, A. R., Brown, D. A., Diamond, M. E., Cattaneo, A. & De-Miguel, F. F. From Neuron to Brain, Sixth Edition. (Oxford University Press, 2021).
Wichmann, F. A. & Hill, N. J. The psychometric function: I. Fitting, sampling, and goodness of fit. Perception & Psychophysics 63, 1293-1313, doi:10.3758/BF03194544 (2001).
Hernández, A. et al. Decoding a perceptual decision process across cortex. Neuron 66, 300-314 (2010)
Eric Kandel, John D. Koester, Sarah H. Mack. Principles of Neural Science, Sixth Edition
Peter Dayan, Laurence F. Abbott. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. MIT Press
Rolls, E., & Treves, A. (1997). Neural networks and brain function. Oxford university press.
Ma, Koerding and Goldreich (2022). Bayesian Models of Perception and Action (http://www.cns.nyu.edu/malab/bayesianbook.html ).
Richard McElreath (2nd ed 2020). Statistical Rethinking.
David MacKay (2003). Information Theory, Inference, and Learning Algorithms (http://www.inference.org.uk/mackay/itila/book.html ).

Il raggiungimento degli obiettivi di apprendimento viene valutato con modalità specifica per ogni modulo.
Tactile perception: il raggiungimento degli obiettivi viene valutato attraverso l’esame finale scritto, composto da temi da elaborare.
Physiology and functions of the mammalian visual system: il raggiungimento degli obiettivi viene valutato attraverso l’esame finale scritto, composto da temi da elaborare.
Evolution of Neural Computation: la verifica consiste nella valutazione critica, da parte degli studenti di Magistrale, della presentazione da parte degli studenti di Dottorato iscritti al corso di articoli loro assegnati una settimana prima dell’esame.
Bayesian modeling and information theory for neuroscience: analisi critica di una pubblicazione scientifica.

Lezioni in presenza o in zoom. Gli studenti sono incoraggiati a partecipare attivamente con domande e quesiti.

Inglese

scritto e orale

Questo insegnamento tratta argomenti connessi alla macroarea "Capitale umano, salute, educazione" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile