 |
|
Posted: 24 Apr 2013 10:14 AM PDT
Referencia: Physics.APS.org .
por Dietmar Plenz, 22 de abril 2013
Un modelo describe el cerebro como un sistema cerrado en una transición de fase, puede capturar la dinámica global de la actividad cerebral observada en los experimentos de resonancia magnética funcional. 
- Imagen: (columna izquierda) experimentos de imagen de resonancia magnética funcional (fMRI) han revelado que el cerebro en reposo está organizado en varias áreas en las que se correlacionan las fluctuaciones de las actividades cerebrales, las así llamadas redes en estado de reposo (RSN). De arriba a abajo: visual Medial (VisM), visual lateral (VisL), auditiva (Aud) y sensorio-motor (SM) RSNs. (Columnas de la derecha) Resultados del trabajo de Haimovici et al. [1] que muestran que un modelo simple puede reproducir las propiedades estadísticas de las RSN sólo si el modelo está sintonizado con la criticidad (at TC).
Ya se están llevando a cabo proyectos pertinentes de investigación a gran escala o están siendo planificados a nivel internacional: elProyecto Humano Conectoma y BRAIN (Brain Research través Avanzando neurotecnologías innovadoras) en EE.UU., el proyecto Cerebro Humano en Europa, y el proyecto Brainnetome en China. El objetivo general de estas grandes empresas es la de explicar el funcionamiento del cerebro, mediante la adquisición e integración de una información detallada sobre la estructura del cerebro y su comportamiento dinámico.
Sin embargo, estos esfuerzos ¿tendrán éxito? El conocimiento de tan finos detalles estructurales del cerebro y las observaciones de las actividades neuronales puede no ser suficiente si la aparición de formas del comportamiento colectivo no se captura correctamente. Ariel Haimovichi, de la Universidad de Buenos Aires en Argentina, y sus compañeros de trabajo [1] escribe en Physical Review Letters, que el fenómeno cooperativo desempeña un papel clave en la determinación de la dinámica cerebral, al mostrar que el cerebro en su estado de reposo (es decir, cuando no está realizando una tarea explícita) es un sistema en criticidad.
Los sistemas críticos se pueden definir como sistemas que están cerca de un punto crítico, generalmente identificado como frontera de transición entre las fases de orden-desorden. Muchos sistemas complejos, lejos del equilibrio y composición de un gran número de elementos que interactúan han sido modelados con éxito como críticos: ejemplos notables de esto van desde las redes de interacción de genes hasta los mercados financieros.
En la criticidad, estos sistemas pueden evitar quedar atrapados en uno de dos casos extremos: un estado desordenado (cuando las interacciones son demasiado débiles y el sistema está dominado por el ruido) o un estado ordenado global en el que se bloquean todos los elementos (cuando las interacciones son demasiado fuertes y un sistema es completamente estático).
Ningún estado soporta el dualismo esencial de un sistema complejo como el cerebro para funcionar, debe mantener un cierto orden para garantizar un funcionamiento coherente (p. ej, generar un comportamiento reproducible en respuesta a un determinado estímulo) permitiendo al mismo tiempo un cierto grado de desorden que haga disponible la flexibilidad (o sea, adaptarse a las diferentes condiciones externas). En cambio, tal dualismo es posible gracias an la criticidad.
Aunque son posibles muchos grados de orden/desorden, el sutil equilibrio entre el orden y el desorden en la criticidad se manifiesta en ciertas propiedades estadísticas generales: Los sistemas críticos exhiben correlaciones espaciales y temporales que son de gran amplitud (es decir, en escalas que son más grandes que aquellas las que las interacciones mutuas tengan efecto) y seguir las distribuciones de la ley de potencias. Durante la última década, numerosos estudios han encontrado que el cerebro en reposo presenta muchas características propias de un estado crítico, como la escala de la ley de potencias de aludes neuronales (estallidos intermitentes de actividad eléctrica observados en la corteza cerebral) [2 y 3], correlaciones espaciales y temporales de largo alcance no evidentes de la actividad neuronal [4], y la ampliación anómala de las fluctuaciones de la actividad con el tamaño de la red [5]. La investigación llevada a cabo en mi grupo ha demostrado que las redes cerebrales, por estar en estado crítico, optimizan su respuesta a los entradas y maximizan su capacidad de procesamiento de información [6]. La principal conclusión de los autores es que la información estructural y las dinámicas neuronales locales tienen que integrarse en el marco de la criticidad para explicar la actividad cerebral. Dado que una de las señas de identidad de la criticidad es la invariancia de escala (la propiedad según la cual se observan similares dinámicas/propiedades en todas las escalas de longitud), su enfoque podría ser relevante para los diferentes niveles de la organización cerebral, que van desde pequeños microcircuitos corticales, a las columnas corticales hasta el cerebro completo, proporcionando de este modo un marco unificador para la interpretación de la acumulación de información sobre una estructura y dinámica neuronal. Si bien en el presente estudio los autores tuvieron que afinar su modelo para un determinado umbral de criticidad, el mayor desafío será entender cuáles son los mecanismos físicos y biológicos exactos por los que el cerebro llega a la criticidad y la mantiene durante el aprendizaje y el desarrollo. - Publicación: “Brain Organization into Resting State Networks Emerges at Criticality on a Model of the Human Connectome”. Ariel Haimovici, Enzo Tagliazucchi, Pablo Balenzuela, y Dante R. Chialvo. Phys. Rev. Lett. 110, 178101 (2013). Publicado el 22 de abril 2013, en PDF.
- Autor: Dietmar Plenz received his Ph.D. in Biology in 1993 at the Max Planck Institute of Biological Cybernetics, Germany. - Section on Critical Brain Dynamics, National Institute of Mental Health, NIH, Bethesda, MD 20892, USA
Fuente: Pedro Donaire, Bitnavegantes
|
jueves, 25 de abril de 2013
miércoles, 24 de abril de 2013
|
Posted: 24 Apr 2013 03:40 AM PDT
Referencia: Kurzweilai.net, 23 de abril 2013
Mantenerse al día con la literatura científica actual es una tarea de gigantes, teniendo en cuenta que cada día se publican cientos de miles de documentos. Puestos a ello, los investigadores de la Universidad Estatal de Carolina del Norte han desarrollado un programa informático con capacidad de evaluar y clasificar los artículos científicos de campo.  "Desde 1926, se han publicado sobre la toxicidad de metales pesados más de 33.000 artículos científicos", explica el Dr. Allan Peter Davis, gestor del proyecto de bioconservación CTD en la estatal de Carolina del Norte, que trabajó en el proyecto y es co-autor principal de un artículo sobre este trabajo. "Simplemente no podemos leer y codificarlo todo. Y, con la ayuda de este nuevo algoritmo, ya no tenemos que hacerlo." Para ayudar a seleccionar los artículos más relevantes para su inclusión en el CTD, Thomas Wiegers, investigador bioinformático de la NC State y otro co-autor principal del informe, desarrollaron un sofisticado algoritmo como parte de un proceso de minería de textos. La aplicación evalúa el texto entre miles de trabajos y asigna una puntuación de relevancia a cada documento. "Esta clasificación al conjunto de artículos ayuda a separar el grano de la paja, por así decirlo," dice Wiegers. Pero, ¿en qué medida un algoritmo puede determinar los mejores trabajos? Para probar esto, los investigadores de extrajeron texto de 15.000 artículos y enviaron una muestra representativa a su equipo de bioconservadores para leer manualmente y evaluarlos por sí mismos, sin saber nada de la puntuación asignada. "Los resultados fueron impresionantes", comenta Davis. Los bioconservadores estuvieron de acuerdo con el algoritmo en un 85 por ciento de las veces respecto a los documentos más puntuados. Utilizar el algoritmo para clasificar documentos permitió a los bioconservadores centrarse en los trabajos más relevantes, aumentando la productividad en un 27 por ciento y en contenidos novedosos en un 100 por ciento. "Es un tremendo paso para ahorrar tiempo", explica Davis. "Con esto podemos distribuir nuestros recursos de manera mucho más efectiva haciendo que el equipo se centre en los documentos más informativos." Siempre hay valores atípicos en este tipo de experimentos: puede ocurrir que el algoritmo asigne una puntuación muy alta a un artículo que el bioconservador humano descarte rápidamente como irrelevante. El equipo que analizó los valores extremos a menudo fue capaz de ver un patrón en el por qué el algoritmo identificaba erróneamente un determinado documento como importante. "Ahora podemos volver atrás y modificar el algoritmo para dar cuenta de eso y afinar el sistema", dice Wiegers. "No estamos aún en ese punto en que un equipo pueda leer y extraer todos los datos relevantes por sí mismo", concluye Davis, "pero si con este proceso de minería de texto nos dirigirnos hacia los artículos más informativos es un gran primer paso. " Este trabajo fue apoyado por el Instituto Nacional de Ciencias de Salud Ambiental. - Imagen: CTD minería de texto, crédito:. Allan Peter Davis et al / PLoS ONE - Referencias: Allan Peter Davis et al., Text Mining Effectively Scores and Ranks the Literature for Improving Chemical-Gene-Disease Curation at the Comparative Toxicogenomics Database, PLoS ONE, 2013, DOI: 10.1371/journal.pone.0058201 (open access).
Fuente: Pedro Donaire. Bitnavegantes.
|
lunes, 22 de abril de 2013
 | ||
|
Posted: 21 Apr 2013 09:37 PM PDT
Referencia: Physics.APS.org .
por Don Monroe, 19 abril 2013
Los sistemas dinámicos que maximizan sus posibilidades futuras se comportan de maneras sorprendentemente "inteligentes".
La segunda ley de la termodinámica, la que dice que la entropía sólo puede aumentar, dicta que un sistema complejo siempre evoluciona hacia un mayor desorden en la forma en que sus componentes internos se organizan. En Physical Review Letters, dos investigadores exploran una extensión matemática de este principio que no se centra en la disposición que el sistema alcance en este momento, pero en la que alcanzará en el futuro. Ellos argumentan que los simples sistemas mecánicos que se postulan para seguir esta regla muestran características de "inteligencia", haciendo alusión a una conexión entre este atributo tan humano y las leyes fundamentales de la física. La entropía mide el número de disposiciones internas de un sistema que dan como resultado el mismo aspecto exterior. La entropía aumenta debido a que, por razones estadísticas, un sistema evoluciona hacia estados que tienen muchas disposiciones internas. Una variable de una investigación previa, ha proporcionado "un muchas pistas sobre que hay algún tipo de asociación entre la inteligencia y la maximización de la entropía", señala Alex Wissner-Gross, de la Universidad de Harvard y el Instituto Tecnológico de Massachusetts (MIT). A una escala más grande, por ejemplo, los teóricos sostienen que la elección de posibles universos que crean la mayor entropía favorable a los modelos cosmológicos son los que permiten el surgimiento de observadores inteligentes [ref. 1]. Con la esperanza de concretar tales ideas, Wissner-Gross formó equipo con Cameron Freer, de la Universidad de Hawaii, en Manoa, para proponer una "entropía de ruta causal." Esta entropía no se basa en las disposiciones internas accesibles de un sistema en cualquier momento, sino en el número disposiciones que podría atravesar en su camino hacia posibles estados futuros. Ellos calculan entonces, una "fuerza entrópica causal" que empuja al sistema a evolucionar con el fin de aumentar esta entropía modificada. Esta hipotética fuerza es análoga a la presión que ejerce un compartimiento lleno de gas, sobre el pistón que lo separa de un compartimiento casi vacío. En este ejemplo, la fuerza aumenta porque el movimiento del pistón incrementa la entropía del compartimiento lleno más de lo que reduce la del que está casi vacío. En contraste con la usual entropía, no hay ninguna ley fundamental conocida que estipule que esta apariencia futura de la fuerza entrópica rija como va a evolucionar un sistema. Pero, como en un experimento mental, los investigadores simularon el comportamiento de unos simples sistemas mecánicos que incluían la fuerza, y los efectos fueron profundos. Por ejemplo, una partícula errante en una caja no explora el volumen al azar, sino que encuentra su camino hacia el centro, donde va a estar mejor posicionada para moverse hacia cualquier parte de la caja. Otra simulación hizo el seguimiento del movimiento de un péndulo rígido que cuelga de un pivote y se balanceaba horizontalmente. El péndulo eventualmente se movía hacia una configuración invertida, la cual es inestable sin la fuerza entrópica modificada. Desde esta posición invertida, argumentan los investigadores, el péndulo puede explorar con mayor facilidad todas las demás posiciones posibles. Los investigadores interpretaron este y otros comportamientos como indicadores de una inteligencia adaptativa rudimentaria, donde los sistemas se movían hacia configuraciones que maximizaban su capacidad de responder a los cambios. Wissner-Gross reconoce que "no hay un acuerdo general sobre la definición de lo que realmente es la inteligencia", pero apunta que los científicos sociales han especulado sobre ciertas habilidades que prosperaron durante la evolución, ya que éstas permitieron a los humanos explotar las oportunidades ecológicas. En ese sentido, los investigadores conectan la invertida "versatilidad" mecánica del péndulo con las habilidades que los bípedos, como nosotros, requieren a fin de crear numerosos ajustes sobre la marcha, necesarios para mantener el equilibrio mientras se camina. Wissner-Gross y Freer simularon otras tareas ideadas para imitar las pruebas de inteligencia estándar con animales. Emularon "el uso de herramientas" con un modelo en el que un gran disco podía tener acceso a otro disco atrapado, golpeándolo con un tercer disco. Otra de las tareas, la "cooperación social", requería dos discos para coordinar sus movimientos. En ambos casos, la respuesta simulada a la fuerza entrópica modificada conseguía estos objetivos sin ninguna orientación adicional. Estos dos comportamientos, junto con el lenguaje gramatical dirigido, que dice Wissner-Gross que también ha replicado, han sido invocados por Stephen Pinker, de la Universidad de Harvard, como característica del "nicho cognitivo" humano. "Nos quedamos muy sorprendidos por todo esto", comentó Wissner- Gross. Anteriormente, los científicos informáticos han utilizado una versión de la entropía causal para guiar los algoritmos que se adaptan a una información continuamente actualizada. La nueva formulación no está destinada a ser un modelo literal del desarrollo de la inteligencia, sino que apunta hacia un "panorama general termodinámico de lo que es el comportamiento inteligente", señala Wissner-Gross. El documento ofrece una "intrigante nueva visión sobre la física de la inteligencia", coincide Max Tegmark, del MIT, que no participó en el trabajo. "Es impresionante ver que un comportamiento sofisticado surge espontáneamente de un proceso físico tan simple." - Ref. [1]: R. Bousso, R. Harnik, GD Kribs y G. Pérez, "Predicción de la constante cosmológica desde el principio entrópico causal", Phys.. Rev. D 76, 043513 (2007) . - Publicación: "Causal Entropic Forces". A. D. Wissner-Gross and C. E. Freer. Phys. Rev. Lett. 110, 168702 (2013). Published April 19, 2013
Fuente: Pedro Donaire, Bitnavegantes
|
sábado, 20 de abril de 2013
Astrophysics > Cosmology and Extragalactic Astrophysics
What have we learned from observational cosmology ?
(Submitted on 16 Apr 2013)
We review the observational foundations of the ΛCDM model, considered by most cosmologists as the standard model of cosmology.
The Cosmological Principle, a key assumption of the model is shown to be verified with increasing accuracy. The fact that the Universe seems to have expanded from and hot and dense past is supported by many independent probes (galaxy redshifts, Cosmic Microwave Background, Big-Bang Nucleosynthesis and reionization).
The explosion of detailed observations in the last few decades has allowed for precise measurements of the cosmological parameters within Friedman-Lemaitre-Robertson-Walker cosmologies leading to the ΛCDM model: an apparently flat Universe, dominated by a cosmological constant, whose matter component is dominantly dark.
We describe and discuss the various observational probes that led to this conclusion and conclude that the ΛCDM model, although leaving a number of open questions concerning the deep nature of the constituents of the Universe, provides the best theoretical framework to explain the observations.
Suscribirse a:
Entradas (Atom)