NeuroX

سلسله سخنرانی‌های علوم اعصاب Prefrontal Controlof Cortical Signals سخنران: دکتر بهراد نوعدوست یکشنبه ۱ شهریور ۱۴۰۵ ساعت ۱۷:۰۰ لینک جلسه آنلاین: https://skyroom.online/ch/ipm-scs/seminar

سلاااام به همگی من و سرور تصمیم داریم یه کتابی رو شروع کنیم بخونیم. Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition از اونجا که کتاب نسبتا پرحجمی هست و تئوری و ریاضیاته، قصد نداریم عجله کنیم برای تموم کردنش. می‌خوایم آروم آروم…

سلاااام به همگی من و سرور تصمیم داریم یه کتابی رو شروع کنیم بخونیم. Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition از اونجا که کتاب نسبتا پرحجمی هست و تئوری و ریاضیاته، قصد نداریم عجله کنیم برای تموم کردنش. می‌خوایم آروم آروم پیش بریم تا بتونیم یادش بگیریم. فایل کتاب و فیلم‌های تدریس EPFL رو هم داریم. به صورت آنلاین پیش می‌ریم و روزش رو هم با هم تعیین می‌کنیم. اگه علاقه‌مندید و حوصله دارید که با تئوری سر و کله بزنید، می‌تونید همراهمون باشید:)✨ بهم پیام بدید 🙂‍↔️❤️

نوروکانکت | آغاز پیش‌ثبت‌نام مدرسه‌ی تابستانه‌ی علوم اعصاب محاسباتی آزاد و مستقل، با الهام از نورومچ 📆 ۱۷ مرداد تا ۴ شهریور 🌐 تماماً آنلاین 👨‍🏫 یادگیری در گروه‌های کوچک، به همراه TA و منتور 💻 جلسات Professional Development 📖 مشاهده سرفصل‌ها و اطلاعات بیشتر ◀️ برای پیش‌ثبت‌نام [رایگان] کلیک کنید 🧠 CONNECT (Community for Neuroscience and Cognitive Techs) Telegram | Instagram | LinkedIn | lets-connect.org

همیار شو! 🎉 امسال رستا قراره رویداد مدرسه تابستانه ۱۴۰۵ رو با کارگاه‌های علمی و برنامه‌های مختلف برگزار کنه. 💭 اگه تو هم یکی از افرادی هستی که دوست داری در طراحی و اجرای این کارگاه‌ها در کنار ما باشی، ازت دعوت می‌کنیم که با ایده‌هات بیای و با ما در این مسیر…

همیار شو! 🎉 امسال رستا قراره رویداد مدرسه تابستانه ۱۴۰۵ رو با کارگاه‌های علمی و برنامه‌های مختلف برگزار کنه. 💭 اگه تو هم یکی از افرادی هستی که دوست داری در طراحی و اجرای این کارگاه‌ها در کنار ما باشی، ازت دعوت می‌کنیم که با ایده‌هات بیای و با ما در این مسیر همراه بشی! 🌻 راستی ما در این رویداد علاوه بر بخش علمی، تیم‌های برندینگ، رسانه و بازی هم داریم و خوشحال می‌شیم که تو هم عضوی از این تیم‌ها باشی تا با کمک هم، هم برای خودمون و هم برای شرکت‌کننده‌‌ها تجربه و خاطرات خوشی بسازیم. ✍🏻 برای همکاری با جمع علمی-ترویجی رستا در این رویداد، حتما این فرم رو پر کن و از علایقت بهمون بگو! 🕦 مهلت پر کردن فرم تا ۲۳:۵۹ روز ۸ مرداده. 🕊 رستایی باشید. [ Telegram | Rastaiha | Kamva ]

این مقاله که چند روزیه آدما زیاد راجعش صحبت میکنن با استفاده از دیتای IBL، فعالیت بیشتر از ۱۴ هزار نورون (درواقع ۴ هزار!) در ۴۳ ناحیه‌ی کرتکس موش رو موقع انجام یه task تصمیم‌گیری بررسی کرده. سؤال اصلی‌شون اینه که آیا نورون‌های هر ناحیه به چند گروه مشخص با کارکردهای جدا تقسیم می‌شن، یا هر نورون ترکیب متفاوتی از اطلاعات حسی، شناختی و حرکتی رو represent می‌کنه. نتیجه‌ی اصلی اینه که در بیشتر نواحی کرتکس، نورون‌ها به دسته‌های عملکردی تمیز و جدا از هم تقسیم نمی‌شن. در عوض، هر نورون ترکیب متفاوتی از متغیرهایی مثل stimulus، choice، حرکت wheel، licking و whisking رو نشون می‌ده. این درواقع موید ایده معروف نویسنده مقاله یعنی Fusi هستش که به اسم mixed selectivity مشهوره. این تنوع باعث می‌شه representation جمعیت نورونی high-dimensional باشه؛ یعنی حتی یه linear decoder ساده هم بتونه تعداد زیادی از conditionهای مختلف رو از هم جدا کنه. هرچی هم در hierarchy کرتکس بالاتر می‌ریم، این تنوع و dimensionality بیشتر می‌شه. که خب این هم یکی از پروژه‌های مهم Fusiعه، اینکه مغز خطی کار می‌کنه و اساساً high-dimensional بودنش برای همینه. به‌نظرم این مقاله یه نمونه‌ی خیلی خوب از کاربردیه که دیتاست‌های open-access می‌تونن داشته باشن: بدون جمع‌کردن دیتای جدید هم می‌شه از یه دیتاست عمومی نتیجه‌های مفهومی مهمی گرفت. از طرف دیگه، برای یادگرفتن آنالیز دیتای نورونی و خیلی از مفاهیم مهم computational neuroscience هم مقاله‌ی خیلی خوبیه، چون کلی روش مهم رو کنار هم استفاده کرده. خلاصه اگر واقعاً به نوروساینس علاقمندید ارزششو داره تهشو دربیارید چون خیلی چیزا یاد می‌گیرید! (البته که طول میکشه) درضمن فیگرهاش هم واقعاً مسترکلاس ساخت فیگر برای آنالیزهای پیچیدست. تازه خیلی خوب هایپوتزها رو ساده‌سازی می‌کنه. بااین‌حال، من حداقل سه تا نقد بهش دارم: ۱. مقاله توی خیلی از فیگرهاش نشون میده که بین نحوه بازنمایی و هندسه فعالیت نواحی مختلف با میزان شناختی بودنشون رابطه هست. من میدیدم بعضی‌ها این برداشت رو کرده بودن که پس این مقاله داره brain-wide بودن سیگنال‌ها (که چند سالیه تو نوروساینس برجسته شده و قبلا دربارش نوشتم) رو نقش می‌کنه، درحالی که اصلا اینطور نیست و دقیقاً برعکسشه! «ماژول‌هایی» که مقاله درباره‌شون حرف می‌زنه، بیشتر درباره‌ی اینن که نواحی مختلف اطلاعات رو چطور represent می‌کنن، نه اینکه چه اطلاعاتی رو represent می‌کنن. همه متغیرها همچنان در بخش بزرگی از کرتکس پخش هستن و تفاوت نواحی بیشتر در ترکیب نسبی selectivityها و geometry اون‌هاست. بنظرم این مقاله هم از brain-wide بودن عموم متغیرها حمایت میکنه اما نشون میده که نحوه بازنمایی در نواحی محتلف متفاوته. ۲. خیلی از متغیرهای تسک در دیتاست IBL از نظر رفتاری و زمانی شدیداً به هم وابسته‌ان: block، stimulus، choice، outcome، wheel، whisking و licking. مدل RRR با وجود این همبستگی‌ها می‌تونه فعالیت نورونی رو خوب predict کنه، ولی coefficientهای مدل لزوماً سهم زیستی منحصربه‌فرد هر متغیر رو از بقیه جدا نمی‌کنن. البته این درواقع مشکل طراحی تسک IBLعه که من خودم حسابی سر آنالیزش اذیت شدم چندین ماه! ولی خب میتونستن با استفاده از همین آنالیزها روی بخش sponteneous دیتاست بعضی سوالات رو جواب بدن. ۳. تقریبا همه آنالیزهای مقاله روی ۴۶۱۷ نورون از بیشتر از ۱۴ هزار نورون انجام شده؛ یعنی نورون‌هایی که فعالیتشون به‌اندازه‌ی کافی با هشت متغیر انتخاب‌شده predict می‌شده. بنابراین سوال بزرگ اینه که اون حدود ۱۰ هزار نورون دیگه دارن چی‌کار می‌کنن و اضافه‌کردنشون چه اثری روی dimensionality و separability داره. در مجموع، برداشت من اینه که مقاله شواهد خوبی برای brain-wide representation اطلاعات ارائه می‌ده، ولی هم‌زمان نشون می‌ده که نواحی مختلف این اطلاعات رو به شکل‌های متفاوتی با هم ترکیب می‌کنن. مقاله geometry این representationها رو خیلی خوب توصیف می‌کنه، و بشدت هم مقاله آموزنده‌ای هستش. https://doi.org/10.1038/s41586-026-10668-4 @bahramani_ch

نوروکانکت مدرسه‌ی تابستانه‌ی علوم اعصاب محاسباتی آزاد و مستقل، با الهام از نورومچ 📆 ۱۷ مرداد تا ۴ شهریور 🌐 تماماً آنلاین 👨‍🏫 یادگیری در گروه‌های کوچک، به همراه TA و منتور 💻 جلسات Professional Development ◀️ مشاهده سرفصل‌ها و اطلاعات بیشتر ثبت‌نام [رایگان] به‌زودی 🧠 CONNECT (Community for Neuroscience and Cognitive Techs) Telegram | Instagram | LinkedIn | lets-connect.org

یه لحظه این صفحه رو دیدم خنده‌ام گرفت:))

📢‌‌ فراخوان جذب همکار پژوهشی آیا علاقه‌مند هستید روی یک دیتاست واقعی و ارزشمند در حوزه روان‌شناسی کار کنید و در انتشار مقالات علمی مشارکت داشته باشید؟ ✔️ به دنبال چه افرادی هستیم؟ - تسلط مناسب بر آمار و روش تحقیق  - تجربه تحلیل آماری با R، SPSS  یا Python  - تجربه کار با روش‌های مدل‌سازی آماری پیشرفته - تجربه آماده‌سازی، پاک‌سازی و مدیریت داده‌ها  - علاقه‌مندی به طراحی مدل‌های پژوهشی و استخراج ایده‌های جدید برای انتشار مقاله  🔻 این فراخوان برای افرادی است که پیش‌تر تجربه انجام پروژه‌های پژوهشی و تحلیل داده داشته‌اند. در حال حاضر امکان پذیرش افراد مبتدی یا متقاضیانی که به دنبال آموزش مقدماتی هستند وجود ندارد. 💎‌ مزایای همکاری - همکاری روی یک دیتاست بزرگ و ارزشمند  - عضویت در تیم پژوهشی PsyBera Lab  - مشارکت در نگارش و انتشار چندین مقاله علمی  - امکان نویسندگی در مقالات بر اساس میزان مشارکت و مطابق با استانداردهای بین‌المللی نویسندگی  - فرصت همکاری در پروژه‌های پژوهشی آینده آزمایشگاه  مهلت ثبت درخواست همکاری تا ۵ مرداد ۱۴۰۵ (۲۷ جولای ۲۰۲۶) خواهد بود. لینک فرم ثبت‌نام: https://survey.porsline.ir/s/TD8cSd5U

ایده‌ خیلی جذاب مقاله‌ی پرسپکتیو Lisa Feldman Barrett و Earl K. Miller اینه که categorization یا همون دسته‌بندی، فقط مرحله‌ی آخر ادراک نیست. نگاه سنتی معمولاً اینه که مغز اول featureها رو از جهان می‌گیره، بعد اون‌ها رو ترکیب می‌کنه، بعد با یک prototype یا exemplar در حافظه مقایسه می‌کنه و در نهایت می‌گه: «این گربه است»، «این تهدیده»، «این پاداشه». اما نویسنده‌ها می‌گن این تصویر زیادی ساده و feedforwardمحوره. از نگاه اون‌ها، دسته‌بندی از همان ابتدا داخل پردازش مغز حضور داره؛ انگار مغز قبل از اینکه جهان کامل بهش وارد بشه، از قبل یک سری حدس درباره‌ی اون زده. مقاله از یک نکته‌ی آناتومیک شروع می‌کنه: در کورتکس یک گرادیان cytoarchitectonic وجود داره که از نواحی حسی اولیه مثل visual, auditory و somatosensory cortex به سمت نواحی limbic و heteromodal مثل entorhinal cortex، subgenual cingulate، orbitofrontal cortex و anterior insula میره. در سمت حسی این گرادیان، نورون‌های pyramidal زیادتر، کوچک‌تر و دقیق‌ترند؛ یعنی سیگنال‌ها high-dimensional و پر از جزئیات‌اند. اما هرچه به سمت limbic edge می‌ریم، نورون‌ها کمتر، بزرگ‌تر و متصل‌تر می‌شن، و سیگنال‌ها به summaryهای کم‌بعدتر، abstractتر و multimodalتر تبدیل می‌شن. مغز، به زبان ساده، از جزئیات زیاد حسی، چند معنای عملی و قابل‌استفاده می‌سازه. اینجا compression فقط یک تکنیک برای کم کردن حجم داده نیست؛ خودش یکی از پایه‌های categorization است. چون category یعنی مغز تفاوت‌ها را برای یک هدف خاص، معادل فرض کنه. مثلاً ده‌ها وضعیت بدنی، چهره، صدا، خاطره یا حس درونی ممکنه در یک لحظه زیر categoryای مثل «تهدید»، «ارزش»، «پاداش» یا «درد» قرار بگیرن. یعنی چیزهایی که از نظر sensory متفاوت‌اند، از نظر action و تنظیم بدن می‌تونن معادل بشن. مغز ظاهراً از جهان یک فایل خام نمی‌سازه و بیشتر شبیه اینه که جهان رو فشرده می‌کنه تا بفهمه باهاش چه غلطی باید بکنه :)) اما بخش مهم‌تر مقاله اینه که نویسنده‌ها فقط به feedforward compression اکتفا نمی‌کنن. اون‌ها می‌گن feedback predictionها نقش خیلی بنیادی‌تری دارن. سیگنال‌های feedback از نواحی limbic و hippocampal شروع می‌شن، از تجربه‌های گذشته ساخته شده‌اند، و به سمت نواحی حسی حرکت می‌کنن. این مسیر در واقع برعکس compression هست: یک سیگنال low-dimensional و abstract در مسیر برگشتی decompress می‌شه و به predictionهای خاص‌تر حسی و حرکتی تبدیل می‌شه. یعنی یک قصد کلی یا action plan انتزاعی، کم‌کم تبدیل می‌شه به اینکه «اگر این کار را بکنم، چه باید ببینم، بشنوم، حس کنم یا در بدنم تجربه کنم؟» در نهایت، مقاله categorization را به allostasis وصل می‌کنه؛ یعنی تنظیم پیش‌بینانه‌ی بدن و انرژی. در این نگاه، category ساختن فقط برای شناختن جهان نیست، بلکه برای آماده کردن بدن برای عمله: نزدیک شدن، دور شدن، خوردن، فرار کردن، ذخیره انرژی، یا تنظیم وضعیت داخلی بدن. به همین دلیل، معنی یک سیگنال فقط در خودش نیست؛ معنی در interaction اون سیگنال با predictionهاییه که visceromotor و skeletomotor action رو تنظیم می‌کنن. شاید ریشه‌ی biasها هم همین‌جا باشه: ما فقط جهان رو اشتباه نمی‌بینیم، گاهی با categoryهای اشتباه به استقبال جهان می‌ریم. مغز انگار همیشه یک شرط‌بندی روی جهان کرده، و sensory input فقط میاد تا ببینه این شرط چقدر افتضاح یا چقدر هوشمندانه بوده. و خب نگم که چقدر این ایده منو یاد ایده‌ی فری انرژی کارل فریستون می‌اندازه.. 🙂 https://www.nature.com/articles/s41583-026-01036-2 @theNeurologue 🧠

منم دلم خواست مثل مهشاد ریجکتی‌های موردعلاقه‌ام رو بذارم. واقعا اینا در عین ناراحت شدن خیلی شادم کردن...😅

من می‌خوام در ایکس شروع کنم به فعالیت و ممنون می‌شم اگر اون‌جا هم فالووم کنید! https://x.com/NajmehNyr

سه ماهه دارم تلاش می‌کنم پردازش سیگنال یاد بگیرم؛ توی کل این مدت دومین باریه که واقعا فهمیدم چه اتفاقی افتاده! =) با این حال هنوز هم دوستش دارم و ادامه می‌دم، چون به نظرم جالب‌ترین نوع داده توی نوروساینسه! 😁✊ من از کتاب Analyzing Neural Time Series Data کوهن استفاده می‌کنم اما یه نگاهی به کورس Brain Dynamics نوروسینتکس و آنالیز دیتای نورونی IPM هم انداختم و خیلی خوب بودن؛ در نتیجه، کورس IPM رو به برنامه‌ام اضافه کردم (مخصوصا برای این‌که کوهن تحلیل Spike رو آموزش نمی‌ده) و از کورس نوروسینتکس هم بعد از اتمام کتاب استفاده می‌کنم تا هر جایی که خودم نتونستم متوجه بشم رو ازش یاد بگیرم. مشخصا در تمام این مسیر هم دیپ سیک به عنوان منتور (برده در واقع) من عمل کرده!

چند وقتیه که با یک سری از بچه‌ها یه بوک کلاب (Brainies) راه انداختیم و اولین کتاب هم‌ A Thousand Brains هست. بخاطر قطعی نت فقط مقدمه رو خوندیم و فردا جلسه‌ی چپتر ۱ و ۲ هست. اگر دوست دارید، می‌تونید بهم دایرکت مسیج بدید و توضیح بدید چرا دوست دارید بهمون اضافه بشید تا بتونیم با هم کتاب بخونیم. چپتر‌ها کوتاه هستن، اما توی ابتدای هر جلسه خلاصه‌ی اون فصل‌ها گفته می‌شه و اگر نخوندید هم می‌تونید جلسه‌ی فردا رو شرکت کنید! منتظر پیام‌هاتونم!✨ ➡️ #BookClub #Brainies