Data og matematikk kan hjelpe oss med å analysere og simulere hvordan nettverk av hjerneceller fungerer. Dette er temaet for Jan-Eirik Welle Skaars doktorgradsavhandling ved NMBU.
I sin forskning utforsker Welle Skaar bruken av datadrevne og matematiske approksimasjonsmetoder for å analysere og simulere nervecellenettverk. En approksimasjonsmetode er en teknikk som brukes for å finne en løsning på et problem som er for komplisert til å løses nøyaktig. I stedet for å finne den eksakte løsningen, finner man en løsning som er nær nok til å være nyttig.
– Disse metodene er nyttige når man arbeider med store datasett eller komplekse systemer, som nervecellenettverk, fordi de gir innsikt og resultater uten at vi må bruke for mye tid og ressurser, sier Welle Skaar.
Sammenligner datamodeller med data fra ekte hjerner
Vi vet hvordan nerveceller kommuniserer, og vi kan simulere dette ved å bruke biofysikk-baserte modeller. I nevrovitenskap bruker vi datamodeller for å undersøke hjernens indre funksjoner. De kan hjelpe oss med å forstå hvordan sykdommer påvirker hjernen og identifisere mulige intervensjoner og behandlinger.
– Datamodeller fungerer som hypoteser som kan sammenlignes med data fra ekte hjerner. Hvis det er forskjeller mellom datamodellen og de eksperimentelle dataene, kan modellen oppdateres og forbedres, sier Welle Skaar.
Nettverkene som dannes av nerveceller i hjernen er svært komplekse. De kan være dyre å simulere, og de kan være vanskelige å analysere.
– Et viktig problem i konstruksjonen av datamodeller er å lære hvordan man justerer modellparameterne slik at nettverkene oppfører seg som ekte hjerner. Dette krever at vi kjører mange simuleringer for å utforske hvordan modellen oppfører seg, sier Welle Skaar.
I sitt doktorgradsarbeid undersøker han hvordan vi kan bruke datadrevne maskinlæringsmetoder for å analysere nervecellenettverk og hvordan vi kan bruke approksimasjonsmetoder for å gjøre simuleringene raskere.
– Dette er viktig for å lage realistiske datamodeller og for å simulere større nettverk. Min forskning viser hvordan vi kan bruke maskinlæring for å koble nettverksoppførsel til modellparametere, og utvikler approksimasjonsmetoder slik at vi raskt kan utforske modelloppførsel og få mer effektive simuleringer, sier Welle Skaar.
Jan-Eirik Welle Skaar forsvarer sin doktogradsavhandling "Approksimasjonsmetoder for analyse og simulering i beregningsorientert nevrovitenskap" tirsdag 13. mai 2025. Se disputasoppslaget her.