Ila Fiete - Ila Fiete

Ila Fiete je indicko-americký fyzik a výpočetní neuro vědec stejně jako profesor na katedře mozkových a kognitivních věd v rámci EU McGovern Institute for Brain Research na Massachusetts Institute of Technology. Fiete staví teoretické modely a analyzuje neurální data a odhaluje, jak neurální obvody provádějí výpočty a jak mozek reprezentuje a manipuluje s informacemi zapojenými do paměti a uvažování.

Raný život a vzdělávání

Fiete se narodil v Bombaji v Indii. Pokračovala v postgraduálním studiu na Michiganská univerzita, obor matematika a fyzika.^[1] Fiete se poté přesunul do Boston pokračovat v magisterském a postgraduálním studiu na Harvardská Univerzita na katedře fyziky.^[1] Fiete byl mentorován ve výpočetní neurovědě Sebastian Seung na MIT^[2] a ve fyzice Daniel Fisher na Harvard.^[3] Ve svém postgraduálním studiu zkoumala Fiete principy učení a kódování v biologických neuronových sítích.^[4]

Fiete ukončila postgraduální studium v ​​roce 2003 a přestěhovala se po celé zemi, aby se jmenovala postdoktorandkou na Kavli Institute for Theoretical Physics at the University of California, Santa Barbara od roku 2004 do roku 2006.^[1] Během této doby byla Fiete také hostujícím členem Centra pro teoretickou biofyziku na Univerzitě Karlově University of California, San Diego.^[1] Od roku 2006 do roku 2008 působil Fiete jako široký pracovník v mozkových obvodech v Caltech pod vedením mentora Christof Koch.^[5]

Diplomová práce - kódování v biologických neurálních obvodech

Během postgraduálního studia Fiete a její kolegové pomocí lineárních sítí učení ukázali, že řídké časové neurální kódy minimalizují synaptické interference a usnadňují učení u zpěvných ptáků.^[6] Fiete pak začal zkoumat výpočetní principy, které jsou základem synaptické plasticity.^[4] Navrhla pravidlo synaptického zesílení k provádění cíleného učení v opakujících se sítích neuronů založených na rychlosti a rychlosti. Pravidlo provádí stochastický gradientní výstup na odměnu.^[4] Konkrétně, pokud signál odměny kvantifikuje výkon sítě, pak je pravidlo plasticity schopné řídit cílené učení v síti.^[4] Fiete použila svůj model na neurofyziologická data zpěvných ptáků a zjistila, že pravidlo učení založené na pokusu a omylu bylo dostatečně rychlé, aby vysvětlilo učení u zpěvných ptáků.^[7]

Mřížkové buňky

Když Fiete zahájila postdoktorský výzkum, začala studovat principy kódování buněk v mozku, které kódují polohu. V roce 2006 popsali Fiete a její kolegové rámec pro porozumění výpočtům buněk mřížky v entorhinální kůře a jak kódují polohy krys.^[8] Ukázali, že reprezentace je analogická systému čísel reziduí, který umožňuje malému počtu buněk reprezentovat a aktualizovat polohu krysy na velké vzdálenosti nebo ve více prostředích.^[8] Tato hypotéza se velmi liší od ostatních ohledně toho, jak se kódování provádí v mozku, a tento číselný systém „vhodný pro aritmetiku“ zdůrazňuje vynalézavost neurálních kódů.^[8]

Kariéra a výzkum

V roce 2008 se Fiete připojila k fakultě University of Texas v Austinu.^[1] Zatímco v UT Austin, Fiete významně ovlivnil komunitu jako výzkumný pracovník i pedagog, obdržel cenu CNS Excellence Award 2013 for Teaching od College of Natural Sciences University of Texas, Austin.^[9] Poté, co sloužil na fakultě 10 let a založil Centrum pro teoretické a výpočetní neurovědy ^[10] tam v roce 2018 Fiete přijala nabídku od Massachusetts Institute of Technology a stal se docentem s funkcí na katedře mozkových a kognitivních věd.^[1] Na začátku roku 2019 se Fiete připojil k McGovern Institute na MIT jako spolupracovník vyšetřovatele.^[8] V květnu 2020 byl Fiete povýšen na profesora na katedře mozkových a kognitivních věd na MIT. Výzkumný program Fiete je zaměřen na pochopení toho, proč mozek obsahuje konkrétní vlastnosti kódování a jak základem těchto principů kódování je konektivita a dynamika neurálních obvodů a synaptická plasticita.^[11] Její laboratoř využívá numerické a teoretické modelování i surová neurální data, pomocí nichž testuje své modely mozkových výpočtů.^[11]

Výpočty buněk v mřížce

Fiete a její kolegové v UT Austin zajímali se o prozkoumání neurálních výpočtů pod buňkami mřížky v entorhinální kůře.^[12] Je známo, že mřížkové buňky kódují prostorové umístění u savců při jejich putování světem. Fiete a její kolegové zjistili, že výpočty buněk mřížky mohou vycházet z procesu formování vzorů a lze je modelovat kontinuálními atraktorovými sítěmi.^[13] Se vstupy označujícími rychlost a směr kurzu zvířete mohou modely kontinuálního atraktoru generovat trojúhelníkové odezvy mřížky, které kódují aktualizované odhady polohy ve dvojrozměrných prostorech.^[12] Dále dokazují, s důkazem koncepce, že kontinuální dynamika atraktorů je základem integrace rychlosti v buňkách mřížky.^[12] V roce 2013 Fiete a její kolegové použili neurální záznamy in vivo jako základ pro své výpočetní vyšetřování mechanismů, které jsou základem aktivity buněk mřížky.^[14] Jejich model, spoléhající se na nízkodimenzionální dynamiku kontinuálního atraktoru, spolehlivě charakterizoval reakce buněk mřížky v krátkém trvání, známé skříně.^[14] V průběhu času a za měnících se podmínek se jednotlivé reakce buněk mřížky mění, ale poměry parametrů mřížky a relativní fáze mezi současně zaznamenanými buňkami zůstávají v podstatě konstantní, což ukazuje, že reakce na úrovni populace jsou neměnné.^[14] Jejich zjištění argumentují proti hypotéze buněčného prostředí, protože zjišťují, že stabilita odpovědí buňka-buňka je robustnější než reakce buňka-prostředí.^[14]

Následující rok Fiete popsal model vysvětlující vývoj buněk mřížky, od okamžiku otevření oka až po plně vyvinuté výpočty buněk mřížky.^[15] Na začátku jejich model zobrazuje zpočátku nestrukturované sítě neuronů stoupajících k vstupům rychlosti a polohy.^[15] Navrhují prostřednictvím výpočetního modelování, aby mřížkové neurony vyvinuly organizovanou rekurentní architekturu založenou na podobnosti jejich vstupů, působících prostřednictvím inhibičních neuronů, a to položilo základ pro vyspělou síťovou buňku mřížky, která dokáže vypočítat rychlost a umístění koordinovaně a integrovaně móda.^[15]

Fiete se poté zajímal o vývoj robustního systému, pomocí kterého by bylo možné určit mechanismy nervového obvodu, které jsou základem funkce mozku a které se nespoléhají pouze na pozorování nervové aktivity.^[16] Pomocí systému buněk mřížky, který Fiete rozsáhle zkoumal a slouží jako dobrý systém pro testování výpočetních modelů, Fiete ukázal, že model „distribuce relativních fázových posunů“ má potenciál odhalit vysoce detailní kortikální obvodové mechanismy z řídkých neurálních záznamů.^[16] Pomocí perturbativních experimentů zjistili, že jejich metoda je schopna rozlišovat mezi dopřednou a opakující se neuronovou sítí a odhalit, který model nejpřesněji popisuje neurální výpočty.^[16]

V roce 2019, jakmile Fiete dorazila na MIT, vydala článek pomocí topologického modelování k transformaci nervové aktivity velkých populací neuronů do datového mraku představujícího tvar prstence.^[17] Toto prstencové prostorové znázornění nervové aktivity bylo ukázáno u much, které jsou základem směru hlavy, a nyní, podle Fiete, bylo prokázáno, že představuje směr hlavy u myší - jako vnitřní kompas.^[17] Kruhový tvar, který vytváří neurální aktivita, je ve výpočtových analýzách znám jako potrubí, což je tvar reprezentovaný ve více dimenzích, který zobrazuje multidimenzionální data.^[18] Jeho tvar a rozměrnost představují data interpretovatelnějším způsobem.^[18] Přístup, který Fiete popisuje, pomocí potrubí k zobrazení nervové aktivity, umožňuje slepý (bez dohledu) objev a dekódování konkrétních proměnných pomocí pouze neurální aktivity jako vstupu.^[18]

Ceny a vyznamenání

• 2018 CIFAR Senior Fellow^[11]
• 2016 Howard Hughes Faculty Scholar^[19]
• Cena CNS Excellence 2013 for Teaching - College of Natural Sciences University of Texas at Austin^[9]
• McKnight Scholar 2011-2013^[20]
• 2013 Office of Naval Research Young Investigator^[21]
• 2010 Searle Scholar^[22]
• 2009 Člen nadace Alfreda P. Sloana v oboru neurovědy^[23]

Reference