ESTUDIO SOBRE INTELIGENCIA BIOLÓGICA POR MEDIO DE SIMULACIÓN DE REDES NEURONALES BIOLÓGICAS Autor: Puerto Mendoza, Fernando. Director: Nakao, Mitsuyuki. Entidad Colaboradora: Tohoku University, Laboratory of Biomodeling. RESUMEN DEL PROYECTO En Neurociencia Computacional se cree que el conocimiento total de la estructura y dinámica del sistema nervioso y en particular, de su centro supervisor de más alto nivel, el cerebro, podría llevar a la construcción de un nuevo tipo de ordenador basado en el mecanismo cerebral, capaz de procesar, almacenar y recuperar información de una manera mucho más eficiente que las actuales máquinas de Von Neumann. La tecnología del momento no permite saber cómo varía el estado y las conexiones topológicas de un grupo de neuronas vivas con el paso del tiempo. Por tanto, una de las técnicas más interesantes para estudiar la dinámica de un sistema no lineal tan complejo como el tejido nervioso es la simulación de modelos neuronales teóricos y su posterior verificación empírica. En este proyecto se ha diseñado e implementado un sistema informático que permite a los investigadores del laboratorio de Biomodelado de la Universidad de Tohoku (Sendai, Japón) realizar simulaciones de un grupo de neuronas corticales que interactúan entre ellas por medio de sinapsis inhibidoras. El Simulador de Redes Neuronales Biológicas permite obtener información sobre la sincronización de potenciales de acción y representarla gráficamente de manera que pueda ser claramente entendida por el usuario. El entorno de simulación genera una topología unidimensional para las condiciones espaciales de la red neuronal. En base a la organización observada en las células nerviosas del córtex cerebral, se toma como hipótesis que las conexiones entre neuronas no son ni aleatorias ni regulares, sino que caen en la región Small-world. De esta manera la red adquiere las ventajas de los dos modelos topológicos, en términos de sincronizabilidad y propagación de señales. Se considera que el potencial de membrana V de cada unidad de la red sigue la ecuación de equilibrio establecida por Hodgkin y Huxley, en forma simplificada: Cm dV I Na I K I L I syn I app dt (1) en la que t es el tiempo, Cm es la capacitancia de la membrana, INa y IK son respectivamente las corrientes de sodio y potasio que dependen del potencial de membrana, IL es la corriente de goteo, Isyn es la corriente sináptica, y Iapp es la corriente aplicada. Tras establecer las conexiones neuronales el simulador integra numéricamente la ecuación diferencial 1 para cada neurona de la red utilizando para ello el método de Runge-Kutta-Gill. El resultado se almacena y se muestra en forma de gráfico en la pantalla del usuario. El sistema final se dividió en dos módulos principales, adquiriendo así una estructura cliente-servidor (figura 1). El lado del servidor es el motor de simulación, programado en lenguaje C. Éste se encarga de generar la topología de la red neuronal y de resolver las ecuaciones que controlan el comportamiento de cada neurona. C fue elegido para implementar este módulo debido a su eficiencia computacional y a la disponibilidad en el laboratorio de algunas librerías de código que se reutilizaron para este proyecto. Figura 1: Arquitectura Cliente-Servidor del Simulador de Redes Neuronales Biológicas. El software del cliente es un interfaz gráfico de usuario que se puede ejecutar en cualquier ordenador del laboratorio. La heterogeneidad de los sistemas operativos instalados en los PCs hizo elegir el lenguaje Java para programar este módulo por su independencia de la plataforma en que se ejecuta. La interacción entre los dos módulos consiste en intercambio de ficheros planos de texto, realizado por medio de scripts del intérprete de comandos de cada sistema operativo. El proceso de desarrollo del software se ha llevado a cabo a través de una metodología de prototipado evolutivo. Por su simplicidad conceptual, el modelo analógico de Hopfield fue elegido para implementar un primer prototipo de red neuronal, TSPSolver. Este modelo fue útil para poner a prueba las librerías de integración numérica y se aplicó a un problema práctico de optimización, el problema del viajante. En etapas posteriores TSPSolver se reutilizó para crear el motor de simulación. La figura 2 muestra un diagrama de los distintos prototipos que forman la aplicación final. En el marco de este proyecto, tras el proceso de desarrollo, el simulador se utilizó para realizar un estudio sobre algunas características emergentes en los procesos neuronales que dan origen a la Inteligencia Biológica: * Organización dinámica de la sincronización de potenciales de acción. * Dependencia de la conductancia sináptica inhibidora en el disparo de potenciales de acción. * Aparición de grupos de neuronas silenciosas debido a la organización espacial de la red. Finalmente se mencionan posibles mejoras y ampliaciones para el software desarrollado. Estas mejoras se consideran como nuevas opciones de investigación orientadas a futuros proyectos. Figura 2: Conjunto de prototipos que forman el sistema final.