סוג האירוע

בחר הכל

הרצאות פומביות

קולוקוויום

סמינרים

כנסים וימי עיון

מועדון IAP

מבחן/תחרות

צהרי יום א'

הרצאות לקהל הרחב

ימים פתוחים וייעוץ

טקסים ואירועים מיוחדים

תחום האירוע

בחר הכל

הפקולטה למדעים מדויקים

ביה"ס למדעי המתמטיקה

ביה"ס לפיזיקה ולאסטרונומיה

המועדון האסטרונומי

ביה"ס לכימיה

מרכז לחקר אינטראקציות אור חומר

פרס סאקלר במדעים הפיזיקליים - כימיה

סימפוזיונים והרצאות מיוחדות

החוג למדעי כדור הארץ

ביה"ס למדעי המחשב

ביה"ס למדעי כדור הארץ

החוג ללימודי הסביבה

סמינר בחומר מעובה: Can renormalization group help us understand the brain?

Leenoy Meshulam, University of Washington

19 באוקטובר 2020, 17:30 
Zoom: https://us02web.zoom.us/j/88129662354 
סמינר בחומר מעובה

Zoom: https://us02web.zoom.us/j/88129662354

 

Abstract:

Abstract: Faced with a system that has many degrees of freedom, it is natural to search for a reduced description. Thus, we describe the flow of fluids not by tracking positions and velocities of all the constituent molecules, but by coarse grained density, velocity, and pressure fields that reflect averages over large numbers of molecules. The evident complexity of biological systems has led many people to wonder if similar, systematic coarse graining could be effective in these cases as well. The rapid development of experimental methods to measure, simultaneously, the activity of large numbers of neurons (1000+) has made this question more urgent. We focus on the neural activity underlying the behavior of mice running in a virtual reality environment. To write down minimal models for the collective behavior of these large populations of cells, we seek theoretical approaches that will help us simplify the rich dynamics. First, I will show that we can reliably build maximum entropy models for different subsets of neurons out of the whole population. These models, which are equivalent to Ising models with competing interactions, make surprisingly accurate predictions for the activity of individual neurons given the state of the rest of the network. Next, we use different coarse graining methods, in the spirit of the renormalization group, to uncover macroscopic features of the large network. We see hints of scaling and of behavior that is controlled by a non-trivial fixed point. Perhaps, then, these hints of emergent simplicity in this very complex system, can help us understand what is special about networks of real neurons.

 

מארגן הסמינר: פרופ' ערן סלע

 

אוניברסיטת תל אביב עושה כל מאמץ לכבד זכויות יוצרים. אם בבעלותך זכויות יוצרים בתכנים שנמצאים פה ו/או השימוש שנעשה בתכנים אלה לדעתך מפר זכויות, נא לפנות בהקדם לכתובת שכאן >>
אוניברסיטת תל-אביב, ת.ד. 39040, תל-אביב 6997801
UI/UX Basch_Interactive