Канака Раджан - Kanaka Rajan

Канака Раджан
Родившийся	Индия
Национальность	Американец
Альма-матер	Университет Анны Университет Брандейса Колумбийский университет
Известен	Рекуррентные нейронные сети (RNN) модели мозга
Награды	Премия исследователей Института мозга им. Фридмана 2019 года, Стипендия Слоуна в области нейробиологии 2019 года, Стипендия исследователей в области понимания человеческого познания в 2016 году от Фонда Джеймса Макдоннелла, Премия молодых исследователей Фонда Мозга и поведения
Научная карьера
Поля	Вычислительная и теоретическая нейробиология
Учреждения	Медицинская школа Икана на горе Синай

Канака Раджан нейробиолог и доцент кафедры нейробиологии Института мозга Фридмана в Медицинская школа Икана на горе Синай в Нью-Йорк. Раджан получил образование в области инженерии, биофизики и нейробиологии и впервые разработал новые методы и модели, позволяющие понять, как мозг обрабатывает сенсорную информацию. Ее исследование пытается понять, как важные когнитивные функции, такие как обучение, запоминание и принятие решений, возникают в результате совместной деятельности многомасштабных нейронных процессов и как на эти процессы влияют различные состояния нервно-психических заболеваний. В результате появились интегративные теории о мозговом мосту. нейробиология и искусственный интеллект.

ранняя жизнь и образование

Раджан родился и вырос в Индии. Она получила степень бакалавра технологий в Центре биотехнологии в г. Университет Анны в Тамил Наду, Индия в 2000 году по специальности «Промышленная биотехнология» с отличием.^[1]

В 2002 году Раджан получил степень магистра в области неврологии в Университет Брандейса, где она делала экспериментальные вращения с Ева Мардер и Джина Дж. Турриджано, перед присоединением Ларри Эбботтс лаборатория, в которой закончила магистратуру (MA).^[1] В 2005 году перешла на кандидатскую диссертацию. программа по неврологии в Колумбийский университет когда д-р Эбботт переехала из Брандейса в Колумбию и получила степень доктора философии. с Эбботтом из Центра теоретической неврологии.^[2]

Докторантура

В своей дипломной работе Раджан использовала математическое моделирование для решения нейробиологических вопросов.^[3] Основным компонентом ее диссертации была разработка теории того, как мозг интерпретирует тонкие сенсорные сигналы в контексте своего внутреннего эмпирического и мотивационного состояния для извлечения недвусмысленных представлений о внешнем мире.^[4] Это направление работ было сосредоточено на математическом анализе нейронные сети содержащие возбуждающий и тормозной типы для моделирования нейронов и их синаптических связей. Ее работа показала, что увеличение ширины распределений возбуждающей и тормозной синаптических сил резко меняет распределения собственных значений.^[5] В биологическом контексте эти находки предполагают, что наличие множества типов клеток с различным распределением синаптической силы будет влиять на динамику сети и что распределения синаптической силы могут быть измерены, чтобы исследовать характеристики сетевой динамики.^[5] Электрофизиология и исследования изображений во многих областях мозга с тех пор подтвердили предсказания этой гипотезы фазового перехода.

Для выполнения этой работы используются мощные методы от теория случайных матриц^[5] и статистическая механика^[6] были трудоустроены. Ранняя, влиятельная работа Раджана^[7] с Эбботт и Хаим Сомполинский интегрировала методологию физики в основные исследования нейробиологии - сначала путем создания экспериментально проверяемых прогнозов, а сегодня путем закрепления этих инструментов в качестве важного компонента арсенала моделирования данных. Раджан защитила докторскую диссертацию. в 2009.^[1]

Постдокторские исследования

С 2010 по 2018 год Раджан работал докторантом в Университет Принстона с теоретиком-биофизиком Уильям Биалек и нейробиолог Дэвид В. Танк.^[8] В Принстоне она и ее коллеги разработали и использовали широкий набор инструментов из физики, инженерии и информатики для построения новых концептуальных рамок для описания взаимосвязи между когнитивными процессами и биофизикой на многих уровнях биологической организации.

Селективность моделирования

В постдокторской работе Раджана с Биалек, она исследовала инновационный метод моделирования нейронного феномена избирательности признаков.^[9] Селективность функций - это идея о том, что нейроны настроены так, чтобы реагировать на определенные и дискретные компоненты поступающей сенсорной информации, а позже эти отдельные компоненты объединяются, чтобы создать общее восприятие сенсорного ландшафта.^[9] Чтобы понять, как мозг может получать сложные входные данные, но обнаруживать отдельные особенности, Раджан рассматривал проблему как уменьшение размерности вместо типичного подхода линейной модели.^[9] Раджан показал, используя квадратичные формы в качестве характеристик стимула, что максимально информативные переменные могут быть найдены без предварительного предположения об их характеристиках.^[9] Такой подход позволяет беспристрастно оценивать рецептивные поля для стимулов.^[9]

Рекуррентное моделирование нейронной сети

Затем Раджан работал с Дэвид Танк чтобы показать, что последовательная активация нейронов, общая черта рабочей памяти и принятия решений, может быть продемонстрирована, начиная с сетевых моделей со случайной связью.^[10] Процесс, называемый «Частичное обучение в сети», используется как модель и для сопоставления реальных нейронных данных из задняя теменная кора во время поведения.^[10] Вместо прямых соединений нейронные последовательности в их модели распространяются по сети через повторяющиеся синаптические взаимодействия, а также управляются внешними входами.^[10] Их моделирование выявило потенциал обучения, который может быть получен из сильно неструктурированных сетевых архитектур.^[10] Эта работа раскрыла, как в нейронах возникает чувствительность к естественным стимулам, как эта избирательность влияет на сенсомоторное обучение и как нейронные последовательности, наблюдаемые в различных областях мозга, возникают из минимально пластичных, в значительной степени неупорядоченных цепей - опубликовано в Нейрон.^[10]

Карьера и исследования

В июне 2018 года Раджан стал доцентом кафедры нейробиологии и Института мозга Фридмана в Медицинская школа Икана в Гора Синай. В качестве главного исследователя Rajan Lab for Brain Research and AI в Нью-Йорке (BRAINY),^[11] ее работа сосредоточена на интегративных теориях, описывающих, как поведение возникает в результате совместной деятельности многомасштабных нейронных процессов. Чтобы получить представление о фундаментальных процессах мозга, таких как обучение, память, многозадачность или рассуждение, Раджан разрабатывает теории, основанные на архитектурах нейронных сетей, вдохновленных биологией, а также на математических и вычислительных схемах, которые часто используются для извлечения информации из нейронных и поведенческих данных.^[12] Эти теории используются как строительные блоки нейронная сеть модели достаточно гибкие, чтобы приспособиться к различным уровням биологических деталей на нейрональном, синаптическом и схемном уровнях.

Она использует междисциплинарный подход, который дает критическое понимание того, как нейронные цепи изучать и выполнять функции, начиная от рабочая память к принятию решений, рассуждению и интуиции, что ставит ее в уникальное положение, позволяющее нам лучше понять, как работают важные акты познания.^[13] Ее модели основаны на экспериментальных данных (например, визуализация кальция, электрофизиология, и поведенческие эксперименты), а также на новых и существующих математических и вычислительных схемах, полученных из машинное обучение и статистическая физика.^[12] Раджан продолжает применять рекуррентная нейронная сеть моделирование поведенческих и нейронных данных. В сотрудничестве с Карл Дейссерот и его команда в Стэндфордский Университет,^[14] такие модели показали, что взаимодействия цепей внутри боковая габенула, структура мозга, вовлеченная в отвращение, кодировала особенности опыта, чтобы направлять поведенческий переход от активного к пассивному копированию - работа, опубликованная в Клетка.^[15][16]

В 2019 году Раджан был одним из двенадцати следователей, получивших финансирование от Национальный фонд науки (NSF)^[17] хотя его участие в Инициатива по исследованию мозга через продвижение инновационных нейротехнологий (BRAIN). В том же году она также была награждена грантом NIH BRAIN Initiative (R01) за теории, модели и методы анализа сложных данных мозга.^[18] Начиная с 2020 года, Раджан стал одним из руководителей Рабочая группа по вычислительной неврологии,^[19] часть на Национальные институты здоровья Группа межведомственного моделирования и анализа (IMAG).^[20]

Награды и отличия

• Премия стипендиатов Института мозга Фридмана от Фонда Дьяла (2020)^[21]
• Премия стипендиатов Института мозга Фридмана от семьи ДиСабато (2019)^[22]
• Стипендия Слоуна в области нейробиологии (2019)^[23][24]
• Премия Mindlin Foundation 1Tweet1P, Неврология встречает графический роман (2018)^[21]
• Премия имени Джеймса Макдоннелла для ученых в области человеческого познания (2016 г.)^[25]
• Приглашенная исследовательская стипендия, Исследовательский кампус Джанелии, Медицинский институт Говарда Хьюза (2016)
• Премия Молодому исследователю Фонда «Мозг и поведение» (ранее НАРСАД) (2015-2017)
• Лектор, кафедра молекулярной биологии и Институт интегративной геномики Льюиса-Сиглера, Принстонский университет методов и логики в количественной биологии (2011-2013)
• Грант Организации вычислительной неврологии (OCNS) (2011 г.)
• Стипендия по теоретической неврологии Слоуна-Шварца (2010-2012)^[26]
• Награда за преподавание памяти Пулина Сампата, Университет Брандейса (2004 г.)
• Младший научный сотрудник Института фундаментальных исследований Тата (2001-2002 гг.)

Выберите публикации

• Пинто, Лукас; Раджан, Канака; Де Паскуале, Брайан; Thiberge, Stephan Y .; Танк, Дэвид В .; Броуди, Карлос Д. (ноябрь 2019 г.). «Зависимые от задачи изменения в крупномасштабной динамике и необходимости корковых областей». Нейрон. 104 (4): 810–824.e9. Дои:10.1016 / j.neuron.2019.08.025.

• Ян, Гуанъюй Роберт; Коул, Майкл В; Раджан, Канака (октябрь 2019 г.). «Как изучить нейронные механизмы множества задач». Текущее мнение в области поведенческих наук. 29: 134–143. Дои:10.1016 / j.cobeha.2019.07.001. ЧВК  7266112.

• Андалман, Аарон С .; Бернс, Ванесса М .; Ловетт-Бэррон, Мэтью; Брокстон, Майкл; Пул, Бен; Ян, Самуэль Дж .; Гросеник, Логан; Лернер, Талия Н .; Чен, Ричи; Бенстер, Тайлер; Моррен, Филипп; Левой, Марк; Раджан, Канака; Дейссерот, Карл (май 2019 г.). «Нейрональная динамика, регулирующая изменения в мозге и поведенческом состоянии». Клетка. 177 (4): 970–985.e20. Дои:10.1016 / j.cell.2019.02.037.

• Раджан, Канака; Харви, Кристофер; Танк, Дэвид (апрель 2016 г.). «Рекуррентные сетевые модели генерации последовательностей и памяти». Нейрон. 90 (1): 128–142. Дои:10.1016 / j.neuron.2016.02.009.

• Раджан, Канака; Биалек, Уильям; Самуэль, Аравинтан (8 ноября 2013 г.). «Максимально информативные« энергии стимулов »при анализе нейронных ответов на естественные сигналы». PLoS ONE. 8 (11): e71959. Дои:10.1371 / journal.pone.0071959.

• Раджан, Канака; Марре, Оливье; Ткачик, Гашпер (июль 2013 г.). «Изучение квадратичных рецептивных полей от нервных реакций на естественные стимулы». Нейронные вычисления. 25 (7): 1661–1692. arXiv:1209.0121. Дои:10.1162 / NECO_a_00463.

• Раджан, Канака; Abbott, L.F .; Сомполинский, Хаим (7 июля 2010 г.). «Стимул-зависимое подавление хаоса в рекуррентных нейронных сетях». Физический обзор E. 82 (1). arXiv:0912.3513. Дои:10.1103 / PhysRevE.82.011903.

• Раджан, Канака; Эбботт, Л. Ф. (2 ноября 2006 г.). «Спектры собственных значений случайных матриц для нейронных сетей». Письма с физическими проверками. 97 (18). Дои:10.1103 / PhysRevLett.97.188104.

Рекомендации

Эта статья требует дополнительных или более конкретных категории. Пожалуйста помочь к добавление категорий к нему, чтобы его можно было перечислить с аналогичными статьями. (Май 2020 г.)