Kanaka Rajan - Kanaka Rajan

Kanaka Rajan
Profil K.Rajan Picture.jpg
narozený
Indie
Národnostamerický
Alma materAnna University
Brandeis University
Columbia University
Známý jakoModely mozku s rekurentní neuronovou sítí (RNN)
OceněníAward Friedman Brain Institute Research Scholars Award, 2019 Sloan Research Fellowship in Neuroscience, 2016 Understanding Human Cognition Scholar Award od James McDonnell Foundation, Brain and Behavior Foundation Young Investigator Award
Vědecká kariéra
PoleVýpočetní a teoretická neurověda
InstituceLékařská fakulta Icahn na hoře Sinaj

Kanaka Rajan je neurovědec a odborný asistent na katedře neurovědy a institutu Friedmana Braina na Lékařská fakulta Icahn na hoře Sinaj v New York City. Rajan trénoval ve strojírenství, biofyzice a neurovědě a byl průkopníkem nových metod a modelů k pochopení toho, jak mozek zpracovává smyslové informace. Její výzkum se snaží pochopit, jak důležité kognitivní funkce - jako je učení, zapamatování si a rozhodování - vycházejí z kooperativní aktivity vícerozměrných nervových procesů a jak jsou tyto procesy ovlivňovány různými neuropsychiatrickými chorobnými stavy. Výsledné integrační teorie o mozkovém mostu neurobiologie a umělá inteligence.

raný život a vzdělávání

Rajan se narodil a vyrůstal v Indii. Vystudovala Bachelor of Technology (B.Tech.) Z Centra pro biotechnologii v Anna University v Tamil Nadu, Indie v roce 2000, obor průmyslová biotechnologie a promoce s vyznamenáním.[1]

V roce 2002, Rajan pokračoval postgraduální titul v oboru Neuroscience na Brandeis University, kde prováděla experimentální rotace Eve Marder a Gina G. Turrigiano před připojením Larry Abbott laboratoř, kde ukončila magisterský titul (MA).[1] V roce 2005 přešla na Ph.D. program v Neuroscience na Columbia University když se dr. Abbott přestěhovala z Brandeis do Kolumbie a zahájila doktorát s Abbottem v Centru pro teoretické neurovědy.[2]

Doktorský výzkum

V Rajanově práci absolventa použila matematické modelování k řešení neurobiologických otázek.[3] Hlavní složkou její práce byl vývoj teorie, jak mozek interpretuje jemné smyslové vjemy v kontextu svého vnitřního zážitkového a motivačního stavu, aby získal jednoznačné reprezentace vnějšího světa.[4] Tato práce se zaměřila na matematickou analýzu neuronové sítě obsahující excitační a inhibiční typy k modelování neuronů a jejich synaptických spojení. Její práce ukázala, že zvětšování šířek distribucí excitačních a inhibičních synaptických sil dramaticky mění distribuce vlastních čísel.[5] V biologickém kontextu tato zjištění naznačují, že mít různé typy buněk s různými distribucemi synaptické síly by ovlivnilo dynamiku sítě a že distribuce synaptické síly lze měřit, aby se prozkoumaly charakteristiky dynamiky sítě.[5] Elektrofyziologie a zobrazovací studie v mnoha oblastech mozku od té doby potvrdily předpovědi této hypotézy fázového přechodu.

Chcete-li tuto práci, výkonné metody z teorie náhodných matic[5] a statistická mechanika[6] byli zaměstnáni. Rajanova raná vlivná práce[7] s Abbott a Haim Sompolinsky integrovaná metodika fyziky do hlavního výzkumu neurovědy - původně vytvořením experimentálně ověřitelných předpovědí a dnes spojením těchto nástrojů jako základní součásti arzenálu modelování dat. Rajan dokončila Ph.D. v roce 2009.[1]

Postdoktorský výzkum

V letech 2010 až 2018 pracoval Rajan jako postdoktorand ve společnosti Univerzita Princeton s teoretickým biofyzikem William Bialek a neurolog David W. Tank.[8] V Princetonu spolu se svými kolegy vyvinula a použila širokou škálu nástrojů z fyziky, inženýrství a informatiky, aby vytvořila nové koncepční rámce pro popis vztahu mezi kognitivními procesy a biofyzikou v mnoha stupních biologické organizace.

Selektivita modelování funkcí

V Rajanově postdoktorské práci s Bialek, prozkoumala inovativní metodu modelování neurálního jevu selektivity funkcí.[9] Selektivitou funkcí je myšlenka, že neurony jsou vyladěny tak, aby reagovaly na konkrétní a diskrétní složky příchozí smyslové informace, a později jsou tyto jednotlivé složky sloučeny, aby generovaly celkové vnímání smyslové krajiny.[9] Abychom pochopili, jak může mozek přijímat složité vstupy, ale detekovat jednotlivé rysy, Rajan zacházel s problémem jako s redukcí dimenzionality místo s typickým přístupem lineárního modelu.[9] Rajan ukázal pomocí kvadratických forem jako rysů stimulu, že maximálně informativní proměnné lze nalézt bez předchozích předpokladů jejich charakteristik.[9] Tento přístup umožňuje objektivní odhady receptivních polí pro podněty.[9]

Modelování rekurentních neuronových sítí

Rajan pak pracoval s David Tank ukázat, že postupnou aktivaci neuronů, společnou vlastnost v pracovní paměti a rozhodování, lze demonstrovat, když vycházíme ze síťových modelů s náhodným připojením.[10] Proces, nazvaný „Částečné školení v síti“, se používá jako model i pro porovnávání skutečných neurálních dat z zadní temenní kůra během chování.[10] Spíše než dopředná spojení se nervové sekvence v jejich modelu šíří sítí prostřednictvím opakujících se synaptických interakcí a jsou vedeny externími vstupy.[10] Jejich modelování zdůraznilo potenciál, který může učení odvodit z vysoce nestrukturovaných síťových architektur.[10] Tato práce odhalila, jak citlivost na přirozené podněty vzniká v neuronech, jak tato selektivita ovlivňuje senzomotorické učení a jak nervové sekvence pozorované v různých oblastech mozku vznikají z minimálně plastických, převážně neuspořádaných obvodů - publikováno v Neuron.[10]

Kariéra a výzkum

V červnu 2018 se Rajan stal odborným asistentem na Katedře neurovědy a Friedman Brain Institute na Lékařská fakulta Icahn v Mount Sinai. Jako hlavní vyšetřovatel Rajan Lab pro výzkum mozku a AI v NY (BRAINY),[11] její práce se zaměřuje na integrační teorie popisující, jak se chování vyvíjí z kooperativní aktivity vícerozměrných neurálních procesů. Aby získal přehled o základních mozkových procesech, jako je učení, paměť, multitasking nebo uvažování, Rajan vyvíjí teorie založené na architekturách neuronových sítí inspirovaných biologií, stejně jako matematické a výpočetní rámce, které se často používají k získávání informací z neurálních a behaviorálních dat.[12] Tyto teorie se používají jako stavební kameny nervová síť modely dostatečně flexibilní, aby vyhovovaly různým úrovním biologických detailů na neuronální, synaptické a obvodové úrovni.

Využívá mezioborový přístup, který poskytuje kritický pohled na to, jak neurální obvody učit se a vykonávat funkce, od pracovní paměť k rozhodování, uvažování a intuici, což jí dává jedinečnou pozici, aby posílilo naše chápání toho, jak fungují důležité činy poznání.[13] Její modely jsou založeny na experimentálních datech (např. zobrazování vápníku, elektrofyziologie a experimenty s chováním) a na nových a stávajících matematických a výpočetních rámcích odvozených z strojové učení a statistická fyzika.[12] Rajan nadále platí rekurentní neuronová síť modelování na behaviorální a neurální data. Ve spolupráci s Karl Deisseroth a jeho tým v Stanfordská Univerzita,[14] takové modely odhalily, že obvodové interakce uvnitř boční habenula, struktura mozku zapojená do averze, kódovaly funkce zážitku, které vedly přechod chování z aktivního na pasivní zvládání - práce publikovaná v Buňka.[15][16]

V roce 2019 byl Rajan jedním z dvanácti vyšetřovatelů, kteří získali finanční prostředky od Národní vědecká nadace (NSF)[17] ačkoli jeho účast v Bílém domě Výzkum mozku prostřednictvím iniciativy Inovativní neurotechnologie (BRAIN). Ve stejném roce jí byl také udělen grant NIH BRAIN Initiative (R01) pro Teorie, modely a metody pro analýzu komplexních dat z mozku.[18] Počínaje rokem 2020 se Rajan stal spolumajitelem skupiny Pracovní skupina pro výpočetní neurovědy,[19] část na Národní instituty zdraví Skupina interagency modelování a analýzy (IMAG).[20]

Ceny a vyznamenání

  • Ocenění Friedman Brain Institute Research Scholars Award od Dyal Foundation (2020)[21]
  • Cena Friedman Brain Institute Research Scholars Award od rodiny DiSabato (2019)[22]
  • Sloan Research Fellowship in Neuroscience (2019)[23][24]
  • Cena Mindlin Foundation 1Tweet1P Award, Neuroscience meets Graphic Novel (2018)[21]
  • Porozumění ocenění Human Cognition Scholar Award od Jamese McDonnella (2016)[25]
  • Hostující výzkumné stipendium, Janelia Research Campus, Howard Hughes Medical Institute (2016)
  • Brain and Behavior Foundation (dříve NARSAD) Young Investigator Award (2015-2017)
  • Přednáška, Katedra molekulární biologie a Lewis-Siglerův institut pro integrovanou genomiku, Princetonská univerzita pro metody a logiku v kvantitativní biologii (2011-2013)
  • Grant od Organizace pro výpočetní neurovědy (OCNS) (2011)
  • Sloan-Swartz Theoretical Neuroscience Postdoctoral Fellowship (2010-2012)[26]
  • Pulin Sampat Memorial Teaching Award, Brandeis University (2004)
  • Tata Institute of Fundamental Research Junior Research Fellowship (2001-2002)

Vyberte publikace

  • Pinto, Lucas; Rajan, Kanaka; DePasquale, Brian; Thiberge, Stephan Y .; Tank, David W .; Brody, Carlos D. (listopad 2019). „Změny ve velkém měřítku a nutnost kortikálních oblastí závislé na úkolu“. Neuron. 104 (4): 810–824.e9. doi:10.1016 / j.neuron.2019.08.025.
  • Rajan, Kanaka; Marre, Olivier; Tkačik, Gašper (červenec 2013). „Učení kvadratických receptivních polí od neurálních odpovědí po přirozené podněty“. Neurální výpočet. 25 (7): 1661–1692. arXiv:1209.0121. doi:10.1162 / NECO_a_00463.
  • Rajan, Kanaka; Abbott, L. F .; Sompolinsky, Haim (7. července 2010). „Potlačení chaosu v rekurentních neuronových sítích závislé na stimulu“. Fyzický přehled E. 82 (1). arXiv:0912.3513. doi:10.1103 / PhysRevE.82.011903.
  • Rajan, Kanaka; Abbott, L. F. (2. listopadu 2006). "Spektra vlastních čísel náhodných matic pro neuronové sítě". Dopisy o fyzické kontrole. 97 (18). doi:10.1103 / PhysRevLett.97.188104.

Reference

  1. ^ A b C „Princeton Genomics RajanCV“ (PDF). Princetonská genomika. Citováno 10. května 2020.
  2. ^ "Kanaka Rajan | Věda o materiálech a inženýrství". mse.stanford.edu. Citováno 2020-05-13.
  3. ^ „Spontánní a stimulační dynamika sítě - ProQuest“. search.proquest.com. Citováno 2020-05-13.
  4. ^ Rajan, K. (2009) "Nonchaotic reakce z náhodně připojených sítí modelových neuronů". Ph.D. Disertační práce na Kolumbijské univerzitě ve městě New York, New York, USA.
  5. ^ A b C Rajan, Kanaka; Abbott, L. F. (02.11.2006). „Spektra vlastních čísel náhodných matic pro neuronové sítě“. Dopisy o fyzické kontrole. 97 (18): 188104. doi:10.1103 / PhysRevLett.97.188104.
  6. ^ Rajan, K., Abbott, L. F., Sompolinsky, H. (2010). "Stimulačně závislé potlačení chaosu v opakujících se neuronových sítích ”. Fyzické recenze E, 82: 01193. PMID  20866644; DOI: 10,1103 / PhysRevE. 82,011903.
  7. ^ „Kanaka Rajan - Citace Google Scholar“. scholar.google.com. Citováno 2020-06-10.
  8. ^ "Neurovědecká fakulta | Lékařská fakulta Icahn". Lékařská fakulta Icahn na hoře Sinaj. Citováno 2020-05-13.
  9. ^ A b C d E Rajan, Kanaka; Bialek, William (08.11.2013). "Maximálně informativní" stimulační energie "v analýze nervových odpovědí na přírodní signály". PLOS ONE. 8 (11): e71959. doi:10.1371 / journal.pone.0071959. ISSN  1932-6203. PMC  3826732. PMID  24250780.
  10. ^ A b C d E Rajan, Kanaka; Harvey, Christopher D .; Tank, David W. (2016-04-06). "Rekurentní síťové modely generování sekvence a paměti". Neuron. 90 (1): 128–142. doi:10.1016 / j.neuron.2016.02.009. ISSN  1097-4199. PMC  4824643. PMID  26971945.
  11. ^ "Lidé". Rajan Lab - Brain Research & AI in NY. Citováno 2020-05-13.
  12. ^ A b "Výzkum". Rajan Lab - Brain Research & AI in NY. Citováno 2020-06-10.
  13. ^ „BI 054 Kanaka Rajan: How we We Switch Behaviors? | Brain Inspired“. Citováno 2020-06-10.
  14. ^ „Deisseroth Lab, Stanford University“. web.stanford.edu. Citováno 2020-06-10.
  15. ^ Andalman, Aaron S .; Burns, Vanessa M .; Lovett-Barron, Matthew; Broxton, Michael; Poole, Ben; Yang, Samuel J .; Grosenick, Logan; Lerner, Talia N .; Chen, Ritchie; Benster, Tyler; Mourrain, Philippe (02.05.2019). „Neuronální dynamika regulující přechody stavu mozku a chování“. Buňka. 177 (4): 970–985.e20. doi:10.1016 / j.cell.2019.02.037. ISSN  0092-8674.
  16. ^ „Sledování informací přes mozek“. Simonsova nadace. 2020-05-28. Citováno 2020-06-10.
  17. ^ "Oznámení | NSF - Národní vědecká nadace". www.nsf.gov. Citováno 2020-06-10.
  18. ^ Iniciativa NIH BRAIN "Multiregionální „síť sítí“ Rekurentní modely neuronových sítí adaptivního a maladaptivního učení „Výzkumné granty.
  19. ^ "Pracovní skupina pro výpočetní neurovědy | Skupina pro modelování a analýzu interagency". www.imagwiki.nibib.nih.gov. Citováno 2020-06-11.
  20. ^ "Domů | Skupina pro interagency modelování a analýzu". www.imagwiki.nibib.nih.gov. Citováno 2020-06-11.
  21. ^ A b „Financování“. Rajan Lab - Brain Research & AI in NY. Citováno 2020-06-10.
  22. ^ „Newsletter FBI - jaro 2020“. Issuu. Citováno 2020-06-10.
  23. ^ „Lékařská fakulta Icahn na hoře Sinaj“. sloan.org. Citováno 2020-06-10.
  24. ^ „Dva vědci z Mount Sinai jmenovali výzkumné pracovníky Sloan 2019 | Mount Sinai - New York“. Zdravotnický systém Mount Sinai. Citováno 2020-06-10.
  25. ^ „Teorie biofyziky Postdoc Kanaka Rajan získává cenu Scholar Award od McDonnell Foundation | Neuroscience“. pni.princeton.edu. Citováno 2020-06-10.
  26. ^ „Společenstvo pro výzkum Sloan“, Wikipedia, 2020-04-09, vyvoláno 2020-06-10