तंत्रिका तंत्र का सिम्युलेटर। भाग 1. सरल योजक

नमस्कार, Geektimes! मैं एक प्रणाली बनाने पर अपने काम को साझा करना चाहता हूं जो आपको तंत्रिका तंत्र में प्रतिवर्त और संज्ञानात्मक प्रक्रियाओं को मॉडल करने की अनुमति देता है।

आंशिक रूप से, सिस्टम को यूनिटी 3 डी गेम इंजन पर बनाए गए एक साधारण प्रोग्राम में शामिल किया गया है। यह तंत्रिका तंत्र का एक प्रकार का सिम्युलेटर है, जिसके लिए धन्यवाद न केवल सरल सजगता का अनुकरण करना संभव है, बल्कि तंत्रिका तंत्र में विभिन्न घटनाओं को प्रदर्शित करना भी है, जैसे कि लत, संवेदना और वातानुकूलित सजगता का गठन। अस्थायी और दीर्घकालिक स्मृति और इसके समेकन, भावनाओं और भावनात्मक व्यवहार का अनुकरण करना भी संभव है। इसके अलावा, दोनों सरल भावनाओं, उदाहरण के लिए, भूख और तृप्ति, साथ ही अधिक जटिल वाले, जैसे कि जिज्ञासा, भय, या स्नेह। सिस्टम के लिए धन्यवाद, हमारे पास मस्तिष्क के विभिन्न क्षेत्रों के उद्देश्य को समझने का अवसर होगा, कि दृश्य चित्रों की मान्यता कैसे होती है, क्या हो रहा है, का प्रशिक्षण और भावनात्मक मूल्यांकन कैसे होता है।

मैं लेख और वीडियो की एक श्रृंखला में इस सब के बारे में बात करने की योजना बना रहा हूं। पहले तीन लेख मूल बातें के लिए समर्पित हैं, जिसमें मैं सिस्टम के मुख्य घटकों के बारे में बात करूंगा - न्यूरॉलेमेंट्स।

प्रणाली के मुख्य तत्व हैं - न्यूरॉलेमेंट्स। मैं जानबूझकर "न्यूरॉन" नाम से बचता हूं क्योंकि एक न्यूरॉन हमेशा एक जैविक न्यूरॉन का प्रतीक नहीं होता है, लेकिन कुछ मामलों में एक जैविक न्यूरॉन के कुछ हिस्से का एक एनालॉग हो सकता है, और कुछ में, न्यूरॉन्स का एक समूह। लेकिन एक न्यूरोएल्मेंट का आधार, निश्चित रूप से, एक जैविक न्यूरॉन है।

प्रणाली एक न्यूरोडेमेंट्स के तीन मूल सिद्धांतों को भेद कर सकती है: एक साधारण योजक, एक संग्राहक न्यूरेलमेंट और एक सहयोगी न्यूरेलमेंट। न्यूरॉलेमेंट्स जटिलता से विभाजित होते हैं, प्रत्येक बाद के न्यूरॉलेमेंट में गुणों की एक अतिरिक्त संख्या होती है। यह पृथक्करण आपको सिस्टम के सिद्धांतों को समझने और सरल उदाहरणों में सरल न्यूरॉलेमेंट्स का उपयोग करने के लिए बेहतर समझने की अनुमति देता है।

प्रणाली में सबसे सरल तंत्रिका तत्व एक सरल योजक है। यह एक ऐसा तत्व है जिसमें इनपुट और आउटपुट हो सकते हैं। इसके अलावा, सिस्टम में कई प्रकार के कनेक्शन हैं, सबसे पहले, ये रिसेप्टर्स से सिग्नल हैं, बटन रिसेप्टर्स का एक ब्लॉक है जो वास्तविक समय में काम करते हैं। दूसरे, सिनैप्स के माध्यम से न्यूरॉलेमेंट्स आपस में जुड़े होते हैं।



सिनैप्स तीन प्रकार के होते हैं: डायरेक्ट-एक्टिंग सिनैप्स (आयनोट्रोपिक), मॉड्यूलेटिंग सिनैप्स (मेटाबोट्रोपिक) और कॉन्टेक्ट सिनैप्स (ईएफ़ैप्स)। इन सभी प्रकार के सिनैप्स में जैविक तंत्रिका तंत्र में एनालॉग्स हैं।

प्रत्यक्ष क्रिया (ए) के पर्यायवाची उनकी ताकत (एफ) की विशेषता है, जो कि एक वास्तविक संख्या के रूप में सिस्टम में दर्शाया गया है। इस संख्या का संकेत इंगित करता है कि किस सिंक में एक निरोधात्मक या उत्तेजक प्रभाव है।
सभी सिग्नल वास्तविक समय में संसाधित होते हैं, और एक दूसरे से स्वतंत्र रूप से तंत्रिका तत्व में प्रवेश कर सकते हैं, जैसा कि एक जैविक न्यूरॉन में होता है। सबसे पहले, प्रत्यक्ष-अभिनय सिनैप्स सिग्नल योजक (बी) में प्रवेश करते हैं।



योजक को निम्नानुसार दर्शाया जा सकता है, यह एक बर्तन के समान है जिसमें मध्यस्थ के सभी भाग एकत्र किए जाते हैं। लेकिन जैविक तंत्रिका तंत्र में सिनैप्टिक फांक में न्यूरोट्रांसमीटर की रिहाई के साथ, इसकी निरंतर बर्बादी होती है। सिनैप्टिक फांक में न्यूरोट्रांसमीटर एक विशेष एंजाइम द्वारा नष्ट हो जाता है, इसे सिनैप्स द्वारा वापस अवशोषित किया जा सकता है या सिनैप्टिक फांक से परे जा सकता है। इसलिए, हमारे पोत में एक उद्घाटन होता है जिसके कारण न्यूरोट्रांसमीटर (c) के कुल द्रव्यमान में लगातार कमी होती है। पैरामीटर डी कुल के मापांक में गिरावट की दर को चिह्नित करता है।

यदि न्यूरोट्रांसमीटर का कुल द्रव्यमान एक निश्चित सीमा (g) से अधिक हो जाता है, तो न्यूरोलेमेंट की सक्रियता होती है, लेकिन यदि न्यूरोट्रांसमीटर का हिस्सा थ्रेसहोल्ड से कम है, तो समय के साथ इसका स्तर शून्य तक गिर सकता है और कोई सक्रियता नहीं होगी।

प्रत्यक्ष-अभिनय सिनैप्स के लिए, दो प्रकार के न्यूरोट्रांसमीटर हैं: उत्तेजक और निरोधात्मक। सिस्टम में, यह सिंटैप्स की ताकत के संकेत से निर्धारित होता है। और अलग-अलग संकेतों के synapses की कार्रवाई पारस्परिक रूप से बेअसर है। कुल राशि ऋणात्मक हो सकती है, फिर यह एक निर्धारित गति से शून्य तक बढ़ जाएगी।
जब एक तंत्रिका तत्व सक्रिय होता है, तो यह एक गतिविधि स्थिति में प्रवेश करता है जिसमें यह बाहरी संकेतों का जवाब देना बंद कर देता है और एक निश्चित समय के बाद अपने सभी आउटगोइंग सिंकैप को सक्रिय करता है। इसके अलावा, एक जैविक न्यूरॉन की तरह, वसूली में एक अस्थायी देरी एक न्यूरोलेमेंट में होती है, समय की इस अवधि के दौरान, न्यूरोइमलेमेंट बाहरी उत्तेजनाओं का जवाब नहीं देता है।
संपर्क सिनैप्स (एच) एक न्यूरोलेमेंट को सक्रिय करता है यदि यह एक सक्रिय अवस्था में या पुनर्प्राप्ति अवधि में नहीं है। यह कहा जा सकता है कि संपर्क से संकेत सिंकैप्स सक्रिय करता है, अगर यह संभव है, तो फिलहाल इसे अनदेखा कर दिया जाए।

आइए देखें कि सबसे सरल प्रतिवर्त के उदाहरण पर न्यूरोलेमेंट्स कैसे काम करते हैं: घुटने का प्रतिवर्त। घुटने के झटका पलटा में केवल तीन न्यूरॉन्स होते हैं, रिसेप्टर न्यूरॉन को कण्डरा रिसेप्टर्स से एक संकेत प्राप्त होता है, फिर एक संकेत को न्यूरॉन न्यूरॉन तक पहुंचाता है, और फिर मोटर न्यूरॉन एक्स्टेंसर की मांसपेशी को संकेत भेजता है।



तो रिफ्लेक्स कार्यक्रम में दिखता है:



उदाहरण ब्रेकिंग के साथ। रिसेप्टर "ई" के साथ जुड़े न्यूरेलमेंट में एक निरोधात्मक प्रभाव होता है:



रिफ्लेक्सिस की प्रतियोगिता का एक उदाहरण (सीचेनोव आई.एम. के कार्यों के आधार पर)। दो अलग-अलग सजगता का पारस्परिक दमन:



उत्तेजना ताल का परिवर्तन।
तंत्रिका तंत्र के लिए एकल आवेग दुर्लभ हैं। ज्यादातर मामलों में, रिसेप्टर्स से संकेत आवेगों की एक श्रृंखला है, और इन आवेगों की तीव्रता के अनुसार, हम रिसेप्टर पर प्रभाव की डिग्री की बात कर सकते हैं। अधिक बार आवेगों को पुन: पेश किया जाता है, रिसेप्टर पर जितना मजबूत प्रभाव होता है, दबाव रिसेप्टर उतना ही मजबूत होता है, तापमान रिसेप्टर होने पर तापमान जितना अधिक होता है, आदि।

और तंत्रिका तंत्र में देखी गई घटनाओं में से एक उत्तेजना ताल का परिवर्तन है - तंत्रिका केंद्र से गुजरने पर तंत्रिका आवेगों की आवृत्ति में बदलाव।

एक न्यूरोलेमेंट की मदद से, तंत्रिका आवेगों की आवृत्ति बढ़ाना संभव है। मामले में जब एक न्यूरोलेमेंट के लिए एकल एक्सपोज़र का स्तर इसकी सक्रियता सीमा से बहुत अधिक होता है और न्यूरोलेमेंट कुछ समय पहले काम करने का प्रबंधन करता है, जब योजक का मूल्य थ्रेशोल्ड से कम स्तर तक घट जाता है।

तंत्रिका आवेगों के स्पंदन की आवृत्ति को कम करना न्यूरोलेमेंट के आराम के समय में वृद्धि के कारण होता है, जैसा कि पहले उल्लेख किया गया है, जबकि न्यूरोलेमेंट को आराम करने से बाहरी संकेतों का जवाब नहीं मिलता है।

आवेगों के दुर्लभ से अधिक लगातार रूपांतरण का एक उदाहरण। इस मामले में, एक न्यूरोलेमेंट के लिए एक एकल एक्सपोज़र का स्तर इसकी सक्रियता सीमा से बहुत अधिक है और यह कई बार काम करने का प्रबंधन करता है, इससे पहले कि योजक मान थ्रेशोल्ड से कम हो जाता है:



दालों की आवृत्ति को कम करने का एक उदाहरण। यहां, यह न्यूरोलेमेंट के आराम के समय में वृद्धि के कारण है, जैसा कि मैंने पहले ही नोट किया है, बाकी के दौरान न्यूरोएल्मेंट बाहरी संकेतों का जवाब नहीं देता है:



स्थानिक और लौकिक



योगीकरण प्रस्तुत मॉडल हमें यह समझाने की अनुमति देता है कि जैविक न्यूरॉन में अस्थायी और स्थानिक योग कैसे होता है। टेम्पोरल समन इस तथ्य में प्रकट होता है कि इस अन्तर्ग्रथन से कई उप-आवेग आवेग लेते हैं, यदि ये आवेग अक्सर पर्याप्त होते हैं, तो न्यूरॉन सक्रियण हो सकता है। यह इस तथ्य के कारण है कि जोखिम की मात्रा में कमी इस राशि की पुनःपूर्ति की दर से कम हो सकती है।



जैविक न्यूरॉन्स में, एक घटना है जो इंगित करती है कि योग न केवल अस्थायी है, बल्कि प्रकृति में स्थानिक भी है। भले ही सबथ्रेशल्ड सिग्नलों की राशि सीमा से अधिक हो, लेकिन ये सिग्नल एक दूसरे से पर्याप्त दूरी पर स्थित सिनेप्स पर पहुंचते हैं, तो सक्रियण नहीं हो सकता है।



इस तरह की घटना को कई न्यूरॉलेमेंट्स का उपयोग करके मॉडलिंग की जा सकती है, उदाहरण के लिए, एक डेंड्राइट प्रत्येक व्यक्ति के न्यूरॉलेमेंट के अनुरूप हो सकता है।

सामग्री की तालिका

1. . 1.
2. . 2.
3. . 3.
4. ,
5.
6.
7.

Source: https://habr.com/ru/post/hi397179/