Optimalita neuronální komunikace: informačně-teoretický pohled
Cíle projektu
Princip optimálního dekódování informace hraje klíčovou roli při řešení fundamentálních otázek v teoretických neurovědách. V některých případe jsou známy Shannonovy základní limity na optimální reprezentaci a přenos informace neuronálními populacemi. Avšak informační kapacita je pouze asymptotickou veličinou, vyžadující neomezenou komplexitu dekódovacích operací. Ne-asymptotický popis podmínek komunikační optimality není znám, ale musí zahrnovat řadu nových parametrů, protože např. maximální hodnota vzájemné informace má menší význam než pravděpodobnost dekódovací chyby. Klíčovou hypotézou projektu je, že zatímco umělé digitální systémy univerzálně využívají tzv. separační teorém zdroj-kanál, popis biologicky relevantního systému zřejmě vyžaduje návrat k původnímu ne-separovanému popisu. Domníváme se, že takto získáme nejenom nový a jednotný popis principů neuronální komunikace v živých systémech, ale i nový popis podmínek optimality v obecnějších, např. síťových, propojeních zdrojů informace a kanálů.
Klíčová slova
Computational neuroscienceInformation theorySource-channel separationNeuronal communicationEfficient coding
Veřejná podpora
Poskytovatel
Grantová agentura České republiky
Program
Standardní projekty
Veřejná soutěž
SGA0202000001
Hlavní účastníci
Fyziologický ústav AV ČR, v. v. i.
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
20-10251S
Alternativní jazyk
Název projektu anglicky
Optimality of neuronal communication: an information-theoretic perspective
Anotace anglicky
Optimal information decoding serves as a guiding principle for understanding fundamental questions in theoretical neurosciences. The problem often involves analysis of the Shannon limits for information representation and transmission in neural populations. The ultimate information rate is only an asymptotic quantity though, prerequisiting infinite decoder complexity and delays. Stepping back from the asymptotic limit brings new parameters into play. In fact, the maximal value of mutual information is of lesser interest than the probability of decoding error. While the man-made digital communication universally relies on the asymptotic optimality of the source-channel separation theorem, we hypothesize, that in order to describe the biological communication we need to return to the original, non-separated formulation of the problem. By doing so, we expect to obtain not only a more coherent and unified perspective on the neuronal information processing problem, but also potentially novel optimality conditions for information transmission beyond the point-to-point setup.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
10103 - Statistics and probability
OECD FORD - vedlejší obor
—
OECD FORD - další vedlejší obor
—
CEP - odpovídající obory
(dle převodníku)BB - Aplikovaná statistika, operační výzkum
Hodnocení dokončeného projektu
Hodnocení poskytovatelem
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Zhodnocení výsledků projektu
Projekt se soustředí na analýzu vlastností neuronových sítí tvořených neurony vybavenými novým mechanizmem ovlivňujícím jejich dynamické a reakční vlastnosti. Tento výzkum prokázal, že efektivitu přenosu informace u takových neuronových sítí lze překvapujícím způsobem ovlivnit zavedením inhibičních mechanizmů, viz článek Bárta & Košťál (2021) v Q1 časopise Physical Review E.
Termíny řešení
Zahájení řešení
1. 1. 2020
Ukončení řešení
31. 12. 2022
Poslední stav řešení
U - Ukončený projekt
Poslední uvolnění podpory
8. 4. 2022
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP23-GA0-GA-U
Datum dodání záznamu
26. 6. 2023
Finance
Celkové uznané náklady
6 400 tis. Kč
Výše podpory ze státního rozpočtu
6 400 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Základní informace
Uznané náklady
6 400 tis. Kč
Statní podpora
6 400 tis. Kč
100%
Poskytovatel
Grantová agentura České republiky
OECD FORD
Statistics and probability
Doba řešení
01. 01. 2020 - 31. 12. 2022