Про Neuroscience. Физика, биология и IT вместе

Мы уже писали о том, что одним из результатов обучения в университете (с нашей точки зрения) должна быть широта знаний. Сегодня мы публикуем пост одного из наших выпускников, который решил сменить направление работы после университета, и попробуем посмотреть, что из этого получилось.





Хочу рассказать про междисциплинарные исследования (очень модное словосочетание, не правда ли), которыми сейчас занимаюсь. Во время обучения в университете (бакалавриат Санкт-Петербургского Политеха и магистратура Академического Университета в области нанотехнологий) я работал в нескольких лабораториях Физико-Технического Института им. Иоффе и занимался полупроводниками в различных проявлениях (молекулярно-пучковая эпитаксия, глубокие уровни, полупроводниковые лазеры). Теперь же область моих исследований поменялась кардинально и называется Neuroscience. Географически – Стэнфорд, Калифорния.

Давайте попробуем разобраться.

Задача этой науки довольно амбициозная – понять, как устроен мозг. Исторически данный вопрос изучался в области биологии, медицины, психологии и немного философии. Теперь же лидируют генетика, физика, математика и computer science. В общем, neuroscience утвердилась как отдельная наука, в университетах даже начали появляться соответствующие факультеты. В мозге человека около 100 миллиардов нейронов и 150 триллионов соединений между ними – масштаб, конечно, непостижимый. Мозг на данный момент остается, пожалуй, одним из самых слабо изученных явлений природы.

Многие, наверное, слышали, что в нервной системе информация передается в виде электрических импульсов. Данное видео демонстрирует активность нескольких десятков отдельных нейронов в мозге мыши:


Мышь (генно-модифицированная с флуоресцентными нейронами) при этом жива и здорова (что очень важно, поскольку в мёртвом мозге смотреть особенно не на что). На видео уровень флюоресценции нейронов меняется при генерации в них электрического импульса, и в результате тела клеток «мигают». Электрический импульс далее предается по аксону (выходу) одного нейрона к дендритам (входам) других. Устройство каждого нейрона в отдельности изучено достаточно хорошо. Также известно, какие области мозга за что отвечают. Однако на уровне ансамблей нейронных клеток – полная темнота в научном плане.

Как такой ансамбль нейронов выполняет определенные функции по обработке информации (и какие конкретно)? Как в активности нейронов закодированы память и как представлены сенсорные сигналы? Какие вообще свойства у ансамбля нейронов как динамической системы, а также множество других интереснейших вопросов – и есть то, над чем бьются многие ученые в данной науке.

Многие сходятся во мнении, что именно учёные физико-математических и инженерных специальностей смогут продвинуться в neuroscience вперед, построить более стройные теории, основанные на абстрактных математических моделях. Без биологической «магии», однако, не обойтись. Такой вот симбиоз наук. К слову, подавляющее большинство нейронных сетей изучаемых в computer science к сетям реальных нейронов пока имеют очень мало отношения. Реальные сети являются сугубо нелинейными, и их динамика даже в маленьких масштабах довольно плохо описывается существующими математическими моделями. Но совершенно точно, если удастся построить теорию, то информационные технологии позаимствует множество алгоритмов у мозга в будущем. Например, алгоритмы распознавания образов от Google кое-как работают, но, конечно же, не так энергетически эффективно и далеко не так надежно как ваш мозг (за кусок шоколадки конечно же).

Наконец, о том, чем конкретно приходится заниматься мне. В течение двух лет я проектировал и создавал установку для оптического детектирования активности на масштабах нескольких тысяч нейронов. Установка довольно сложная, при этом вся оптика, электроника, механика и ПО были сделаны, в общем-то, с нуля. В результате удается получать данные – такие же, как на видео только в значительно большей области мозга, на 1-2 порядка.

Если проводить аналогию с полупроводниками, то без сканирующего электронного микроскопа сделать полупроводниковый лазер вряд ли удастся. Так и здесь – нужны инструменты для наблюдения, детектирования и манипуляции над объектом исследования. Теперь, когда появился инструмент, предстоит самый интересный период – собственно эксперименты, а после осмысление результатов и, надеюсь, некое продвижение в понимании устройства мозга.

Многих, думаю, интересует вопрос, каким образом нанотехнологии и обучение в Академическом Университете связано с тем, чем я занимаюсь сейчас. Приведу несколько соображений. Что бы вы не решили делать в будущем – все равно придется постоянно учиться новым навыкам, знаниям и умениям и никакая магистратура не может вас научить всему возможному (и, надеюсь, не ставит таких целей). Это особенно проявляется когда вы занимаетесь исследованиями, поскольку про то, что еще никто не открыл или не сделал, рассказать никто не сможет и до новых идей надо додумываться самому. В АУ создана среда в которой не просто дают знания, но появляются навыки решать новые задачи, разбираться с научными и техническими проблемами. Это на мой взгляд очень важно. Конечно, если вы после окончания магистратуры решите заниматься физикой полупроводников или нанотехнологиями – АУ это лучшее место из тех что я знаю. Но даже если потом захочется сменить направление частично или даже кардинально, то, во-первых, все двери открыты, и, во-вторых, ваши знания будут работать на вас.

Олег Румянцев

Источник: habrahabr.ru/company/spbau/blog/218573/