ประสาทวิทยาเชิงคำนวณ(หรือที่รู้จักกันในชื่อประสาทวิทยาเชิงทฤษฎีหรือประสาทวิทยาเชิงคณิตศาสตร์ ) เป็นสาขาหนึ่งของ  ประสาทวิทยา  ที่ใช้คณิตศาสตร์วิทยาศาสตร์คอมพิวเตอร์การวิเคราะห์เชิงทฤษฎี และนามธรรมของสมองเพื่อทำความเข้าใจหลักการที่ควบคุมการพัฒนาโครงสร้างสรีรวิทยาและความสามารถทางปัญญาของระบบประสาท^{[ 1 ] [ 2 ] [ 3 ] [ 4 ]}

ประสาทวิทยาเชิงคำนวณใช้การจำลองเชิงคำนวณ^{[ 5 ]}เพื่อตรวจสอบและแก้ไขแบบจำลองทางคณิตศาสตร์ ดังนั้นจึงอาจมองได้ว่าเป็นสาขาย่อยของประสาทวิทยาเชิงทฤษฎี อย่างไรก็ตาม ทั้งสองสาขามักมีความหมายเหมือนกัน^{[ 6 ]}บางครั้งก็มีการใช้คำว่าประสาทวิทยาเชิงคณิตศาสตร์ เพื่อเน้นถึงลักษณะเชิงปริมาณของสาขานี้^{[ 7 ]}

ประสาทวิทยาเชิงคำนวณมุ่งเน้นไปที่การอธิบายเซลล์ประสาท( และระบบประสาท ) ที่เป็นไปได้ ทาง ชีววิทยารวมถึงสรีรวิทยาและพลวัตของเซลล์ประสาทเหล่านั้น ดังนั้นจึงไม่ได้เกี่ยวข้องโดยตรงกับแบบจำลองที่ไม่สมจริงทางชีววิทยาที่ใช้ในทฤษฎีการเชื่อมต่อทฤษฎีการควบคุมไซเบอร์เนติกส์จิตวิทยาเชิงปริมาณ การ เรียนรู้ของเครื่องเครือข่ายประสาทเทียมปัญญาประดิษฐ์และทฤษฎีการเรียนรู้เชิงคำนวณ [ ^{8 ] [ 9 ] [ 10 ] แม้ว่า}จะมีแรงบันดาลใจซึ่งกันและกัน และบางครั้งก็ไม่มีขอบเขตที่ชัดเจนระหว่างสาขาต่างๆ^{[ 11 ] [ 12 ] [ 13 ]}โดยการสร้างแบบจำลองในประสาทวิทยาเชิงคำนวณจะขึ้นอยู่กับขอบเขตการวิจัยและความละเอียดในการวิเคราะห์เอนทิตีทางชีววิทยา

แบบจำลองในประสาทวิทยาศาสตร์เชิงทฤษฎีมีเป้าหมายเพื่อจับภาพลักษณะสำคัญของระบบชีวภาพในหลายระดับมิติเวลาและพื้นที่ ตั้งแต่กระแสเมมเบรนและการเชื่อมโยงทางเคมีผ่านการสั่นของเครือข่ายโครงสร้างแบบคอลัมน์และแบบภูมิประเทศ นิวเคลียส ไปจนถึงความสามารถทางจิตวิทยา เช่น ความจำ การเรียนรู้ และพฤติกรรม แบบจำลองเชิงคำนวณเหล่านี้เป็นกรอบสมมติฐานที่สามารถทดสอบได้โดยตรงด้วยการทดลองทางชีววิทยาหรือจิตวิทยา

คำว่า 'ประสาทวิทยาเชิงคำนวณ' ถูกนำมาใช้โดยEric L. Schwartzซึ่งได้จัดงานประชุมขึ้นในปี 1985 ที่เมืองคาร์เมล รัฐแคลิฟอร์เนียตามคำขอของมูลนิธิพัฒนาระบบ เพื่อสรุปสถานะปัจจุบันของสาขาซึ่งก่อนหน้านั้นถูกเรียกด้วยชื่อต่างๆ กัน เช่น การสร้างแบบจำลองประสาท ทฤษฎีสมอง และเครือข่ายประสาท รายงานการประชุมกำหนดนิยามนี้ได้รับการตีพิมพ์ในปี 1990 ในชื่อหนังสือComputational Neuroscience [ ^{14 ] การ}ประชุมนานาชาติแบบเปิดประจำปีครั้งแรกที่มุ่งเน้นด้านประสาทวิทยาเชิงคำนวณจัดขึ้นโดยJames M. Bower และ John Miller ในซานฟรานซิสโก รัฐแคลิฟอร์เนียในปี 1989 ^{[ 15 ]}โครงการการศึกษาระดับบัณฑิตศึกษาแรกในสาขาประสาทวิทยาเชิงคำนวณจัดขึ้นในชื่อโครงการปริญญาเอกด้านการคำนวณและระบบประสาทที่สถาบันเทคโนโลยีแคลิฟอร์เนียในปี 1986

รากฐานทางประวัติศาสตร์ยุคแรกของสาขานี้^{[ 16 ]}สามารถสืบย้อนไปถึงผลงานของบุคคลต่างๆ เช่นLouis Lapicque , Hodgkin & Huxley , HubelและWieselและDavid Marr Lapicque ได้นำเสนอ แบบจำลอง การรวมและการยิงของเซลล์ประสาทในบทความสำคัญที่ตีพิมพ์ในปี 1907 ^{[ 17 ]}ซึ่งเป็นแบบจำลองที่ยังคงได้รับความนิยมใน การศึกษา เครือข่ายประสาทเทียมเนื่องจากความเรียบง่าย (ดูบทวิจารณ์ล่าสุด^{[ 18 ]} )

ประมาณ 40 ปีต่อมาHodgkinและHuxleyได้พัฒนาvoltage clampและสร้างแบบจำลองทางชีวฟิสิกส์แรกของศักย์การกระทำHubelและWieselค้นพบว่าเซลล์ประสาทในคอร์เทกซ์การมองเห็นหลักซึ่งเป็นบริเวณคอร์เทกซ์แรกที่ประมวลผลข้อมูลที่มาจากเรตินามีสนามรับสัญญาณที่มีทิศทางและจัดเรียงเป็นคอลัมน์^{[ 19 ]}งานของ David Marr มุ่งเน้นไปที่ปฏิสัมพันธ์ระหว่างเซลล์ประสาท โดยเสนอแนวทางการคำนวณเพื่อศึกษาว่ากลุ่มเซลล์ประสาทที่ทำหน้าที่ต่างๆ ภายในฮิปโปแคมปัสและนีโอคอร์เทกซ์มีปฏิสัมพันธ์ จัดเก็บ ประมวลผล และส่งข้อมูลอย่างไร การสร้างแบบจำลองทางคอมพิวเตอร์ของเซลล์ประสาทและเดนไดรต์ที่สมจริงทางชีวฟิสิกส์เริ่มต้นด้วยงานของWilfrid Rallโดยใช้แบบจำลองหลายส่วนแรกที่ใช้ทฤษฎี เคเบิล

งานวิจัยด้านประสาทวิทยาเชิงคำนวณสามารถแบ่งออกได้เป็นหลายแนวทางหลักๆ นักวิทยาศาสตร์ด้านประสาทวิทยาเชิงคำนวณส่วนใหญ่ทำงานร่วมกับนักทดลองอย่างใกล้ชิดในการวิเคราะห์ข้อมูลใหม่และสังเคราะห์แบบจำลองใหม่ของปรากฏการณ์ทางชีววิทยา

แม้แต่เซลล์ประสาทเพียงเซลล์เดียวก็มีลักษณะทางชีวฟิสิกส์ที่ซับซ้อนและสามารถทำการคำนวณได้ (เช่น^{[ 20 ]} ) แบบจำลองดั้งเดิมของ Hodgkin และ Huxley ใช้เพียงกระแสที่ไวต่อแรงดันไฟฟ้าสองกระแส (ช่องไอออนที่ไวต่อแรงดันไฟฟ้าเป็นโมเลกุลไกลโคโปรตีนที่ขยายผ่านเยื่อไขมันสองชั้น ทำให้ไอออนสามารถเคลื่อนที่ผ่านเยื่อหุ้มแอกซอนได้ภายใต้เงื่อนไขบางประการ) ได้แก่ โซเดียมที่ออกฤทธิ์เร็วและโพแทสเซียมที่ปรับทิศทางเข้าด้านใน แม้ว่าจะประสบความสำเร็จในการทำนายจังหวะเวลาและลักษณะเชิงคุณภาพของศักยภาพการกระทำ แต่ก็ยังไม่สามารถทำนายคุณลักษณะที่สำคัญหลายประการ เช่น การปรับตัวและการลัดวงจรปัจจุบันนักวิทยาศาสตร์เชื่อว่ามีกระแสที่ไวต่อแรงดันไฟฟ้าหลากหลายชนิด และผลกระทบของพลวัต การปรับเปลี่ยน และความไวที่แตกต่างกันของกระแสเหล่านี้เป็นหัวข้อสำคัญของประสาทวิทยาเชิงคำนวณ^{[ 21 ]}

ฟังก์ชันการคำนวณของเดนไดรต์ ที่ซับซ้อน ยังอยู่ภายใต้การตรวจสอบอย่างเข้มข้น มีวรรณกรรมจำนวนมากเกี่ยวกับวิธีที่กระแสไฟฟ้าต่าง ๆ โต้ตอบกับคุณสมบัติทางเรขาคณิตของเซลล์ประสาท^{[ 22 ]}

มีซอฟต์แวร์หลายแพ็กเกจ เช่น GENESISและNEURON ที่ช่วยให้สามารถ สร้างแบบจำลองเซลล์ประสาทที่สมจริงได้อย่างรวดเร็วและเป็นระบบใน คอมพิวเตอร์ โครงการBlue Brain ซึ่งก่อตั้งโดย Henry MarkramจากÉcole Polytechnique Fédérale de Lausanneมีเป้าหมายที่จะสร้างแบบจำลองทางชีวฟิสิกส์ที่มีรายละเอียดของคอลัมน์ในเปลือกสมองบนซูเปอร์คอมพิวเตอร์ Blue Gene

การจำลองความสมบูรณ์ของคุณสมบัติทางชีวฟิสิกส์ในระดับเซลล์ประสาทเดี่ยวสามารถให้กลไกที่ทำหน้าที่เป็นส่วนประกอบพื้นฐานสำหรับพลวัตของเครือข่ายได้^{[ 23 ]}อย่างไรก็ตาม คำอธิบายเซลล์ประสาทโดยละเอียดนั้นต้องใช้การคำนวณสูง และต้นทุนการคำนวณนี้อาจจำกัดการดำเนินการวิจัยเครือข่ายที่สมจริง ซึ่งจำเป็นต้องจำลองเซลล์ประสาทจำนวนมาก ด้วยเหตุนี้ นักวิจัยที่ศึกษาเกี่ยวกับวงจรประสาทขนาดใหญ่จึงมักจะแทนเซลล์ประสาทและไซแนปส์แต่ละเซลล์ด้วยแบบจำลองที่เรียบง่ายอย่างประดิษฐ์ โดยละเลยรายละเอียดทางชีววิทยาจำนวนมาก ดังนั้นจึงมีความต้องการที่จะสร้างแบบจำลองเซลล์ประสาทที่เรียบง่ายซึ่งสามารถรักษาความถูกต้องทางชีววิทยาได้อย่างมีนัยสำคัญด้วยต้นทุนการคำนวณที่ต่ำ อัลกอริทึมได้รับการพัฒนาขึ้นเพื่อสร้างแบบจำลองเซลล์ประสาททดแทนที่ถูกต้อง ทำงานได้เร็วขึ้น และเรียบง่าย จากแบบจำลองเซลล์ประสาทโดยละเอียดที่มีต้นทุนการคำนวณสูง^{[ 24 ]}

^{เซลล์เกลียมีส่วนร่วมอย่างมีนัยสำคัญในการควบคุมกิจกรรมของเซลล์ประสาททั้งใน ระดับ}เซลล์และระดับเครือข่าย การสร้างแบบจำลองปฏิสัมพันธ์นี้ช่วยให้สามารถชี้แจงวงจรโพแทสเซียม [ ^{25 ] [ 26 ]}ซึ่งมีความสำคัญต่อการรักษาสภาวะสมดุลและป้องกันอาการชักจากโรคลมชัก การสร้างแบบจำลองเผยให้เห็นบทบาทของส่วนยื่นของเซลล์เกลียที่สามารถแทรกซึมเข้าไปในช่องว่างไซแนปส์ในบางกรณีเพื่อรบกวนการส่งสัญญาณไซแนปส์และควบคุมการสื่อสารไซแนปส์ได้^{[ 27 ]}

ประสาทวิทยาเชิงคำนวณมุ่งตอบคำถามมากมาย รวมถึง: แอกซอนและเดนไดรต์ก่อตัวขึ้นได้อย่างไรในระหว่างการพัฒนา? แอกซอนรู้ได้อย่างไรว่าจะไปที่เป้าหมายใดและจะไปถึงเป้าหมายเหล่านั้นได้อย่างไร? เซลล์ประสาทเคลื่อนย้ายไปยังตำแหน่งที่เหมาะสมในระบบประสาทส่วนกลางและส่วนปลายได้อย่างไร? ซินแนปส์ก่อตัวขึ้นได้อย่างไร? เรารู้จากชีววิทยาระดับโมเลกุลว่าส่วนต่างๆ ของระบบประสาทปล่อยสารเคมีที่แตกต่างกัน ตั้งแต่ปัจจัยการเจริญเติบโตไปจนถึงฮอร์โมนซึ่งปรับเปลี่ยนและมีอิทธิพลต่อการเจริญเติบโตและการพัฒนาของการเชื่อมต่อเชิงฟังก์ชันระหว่างเซลล์ประสาท

การศึกษาเชิงทฤษฎีเกี่ยวกับการก่อตัวและรูปแบบของการเชื่อมต่อไซแนปส์และสัณฐานวิทยายังอยู่ในช่วงเริ่มต้น สมมติฐานหนึ่งที่ได้รับความสนใจเมื่อเร็ว ๆ นี้คือสมมติฐานการเดินสายขั้นต่ำซึ่งตั้งสมมติฐานว่าการก่อตัวของแอกซอนและเดนไดรต์จะลดการจัดสรรทรัพยากรให้น้อยที่สุดในขณะที่ยังคงรักษาการจัดเก็บข้อมูลให้สูงสุด^{[ 28 ]}

แบบจำลองแรกเริ่มเกี่ยวกับการประมวลผลทางประสาทสัมผัสที่เข้าใจภายในกรอบทฤษฎีได้รับการยกย่องให้เป็นผลงานของHorace Barlowคล้ายคลึงกับสมมติฐานการเชื่อมต่อขั้นต่ำที่อธิบายไว้ในส่วนก่อนหน้า Barlow เข้าใจว่าการประมวลผลของระบบประสาทสัมผัสในยุคแรกเริ่มเป็นรูปแบบของ การเข้ารหัสที่มีประสิทธิภาพโดยที่เซลล์ประสาทเข้ารหัสข้อมูลซึ่งลดจำนวนสไปค์ให้น้อยที่สุด งานทดลองและการคำนวณได้สนับสนุนสมมติฐานนี้ในรูปแบบใดรูปแบบหนึ่งตั้งแต่นั้นมา ตัวอย่างเช่น การประมวลผลภาพ การเข้ารหัสที่มีประสิทธิภาพปรากฏในรูปแบบของการเข้ารหัสเชิงพื้นที่ที่มีประสิทธิภาพ การเข้ารหัสสี การเข้ารหัสเวลา/การเคลื่อนไหว การเข้ารหัสสเตอริโอ และการผสมผสานของสิ่งเหล่านี้^{[ 29 ]}

ต่อไปตามเส้นทางการมองเห็น แม้แต่ข้อมูลภาพที่เข้ารหัสอย่างมีประสิทธิภาพก็ยังมากเกินไปสำหรับความจุของคอขวดข้อมูล ซึ่งก็คือคอขวดความสนใจในการมองเห็น^{[ 30 ]}ทฤษฎีต่อมาคือสมมติฐานความเด่นชัดของ V1 (V1SH)ได้รับการพัฒนาขึ้นโดยอาศัยการเลือกความสนใจจากภายนอกของข้อมูลภาพบางส่วนเพื่อการประมวลผลเพิ่มเติม โดยอาศัยแผนที่ความเด่นชัดจากล่างขึ้นบนในคอร์เทกซ์การมองเห็นหลัก^{[ 31 ]}

การวิจัยปัจจุบันเกี่ยวกับการประมวลผลทางประสาทสัมผัสแบ่งออกเป็นการสร้างแบบจำลองทางชีวฟิสิกส์ของระบบย่อยต่างๆ และการสร้างแบบจำลองเชิงทฤษฎีของการรับรู้ แบบจำลองการรับรู้ในปัจจุบันชี้ให้เห็นว่าสมองทำการอนุมานแบบเบย์เซียนและการบูรณาการข้อมูลทางประสาทสัมผัสต่างๆ เพื่อสร้างการรับรู้ของเราเกี่ยวกับโลกทางกายภาพ^{[ 32 ] [ 33 ]}

มีการพัฒนารูปแบบจำลองมากมายเกี่ยวกับวิธีการที่สมองควบคุมการเคลื่อนไหว ซึ่งรวมถึงรูปแบบจำลองการประมวลผลในสมอง เช่น บทบาทของสม cerebellum ในการแก้ไขข้อผิดพลาด การเรียนรู้ทักษะใน motor cortex และ basal ganglia หรือการควบคุมปฏิกิริยาตอบสนองของระบบประสาทหูต่อการเคลื่อนไหวของดวงตา นอกจากนี้ยังรวมถึงรูปแบบจำลองเชิงบรรทัดฐานมากมาย เช่น รูปแบบจำลองแบบ Bayesian หรือการควบคุมที่เหมาะสมที่สุด ซึ่งสร้างขึ้นบนแนวคิดที่ว่าสมองแก้ปัญหาได้อย่างมีประสิทธิภาพ

แบบจำลองความจำ ในยุคแรกๆ ส่วนใหญ่มีพื้นฐานมาจากสมมติฐานของการเรียนรู้แบบเฮบเบียนแบบจำลองที่มีความเกี่ยวข้องทางชีววิทยา เช่น เครือข่ายฮอปฟิลด์ได้รับการพัฒนาขึ้นเพื่ออธิบายคุณสมบัติของความจำแบบเชื่อมโยง (หรือที่เรียกว่า "ความจำที่ระบุเนื้อหาได้") ที่เกิดขึ้นในระบบชีววิทยา ความพยายามเหล่านี้มุ่งเน้นไปที่การสร้างความจำระยะกลางและระยะยาวโดยมีตำแหน่งอยู่ในฮิปโป แคมปัส เป็นหลัก

หนึ่งในปัญหาสำคัญของความจำทางประสาทสรีรวิทยาคือวิธีการรักษาและเปลี่ยนแปลงความจำนั้นในช่วงเวลาหลายระดับไซแนปส์ ที่ไม่เสถียร นั้นฝึกฝนได้ง่าย แต่ก็มีแนวโน้มที่จะถูกรบกวนโดยสุ่ม ไซแนปส์ ที่เสถียร นั้นลืมได้ยากกว่า แต่ก็ยากต่อการรวมความจำเช่นกัน เป็นไปได้ว่าเครื่องมือทางคอมพิวเตอร์จะช่วยให้เราเข้าใจการทำงานและการเปลี่ยนแปลงของไซแนปส์ที่สัมพันธ์กับสิ่งเร้าภายนอกได้ดียิ่งขึ้นในอีกหลายทศวรรษข้างหน้า

เซลล์ประสาททางชีววิทยาเชื่อมต่อกันในลักษณะที่ซับซ้อนและวนซ้ำ การเชื่อมต่อเหล่านี้แตกต่างจากเครือข่ายประสาทเทียมส่วน ใหญ่ ตรงที่กระจัดกระจายและมักจะเฉพาะเจาะจง ยังไม่เป็นที่ทราบแน่ชัดว่าข้อมูลถูกส่งผ่านเครือข่ายที่เชื่อมต่อกันอย่างกระจัดกระจายเช่นนี้ได้อย่างไร แม้ว่าบริเวณเฉพาะของสมอง เช่นคอร์เทกซ์การมองเห็น จะได้รับการเข้าใจในรายละเอียดบ้างแล้ว ก็ตาม ^{[ 34 ]}นอกจากนี้ยังไม่ทราบว่าฟังก์ชันการคำนวณของรูปแบบการเชื่อมต่อเฉพาะเหล่านี้คืออะไร หากมี

ปฏิสัมพันธ์ของเซลล์ประสาทในเครือข่ายขนาดเล็กสามารถลดทอนลงเหลือเพียงแบบจำลองง่ายๆ เช่นแบบจำลอง Ising ได้กลศาสตร์เชิงสถิติของระบบง่ายๆ ดังกล่าวได้รับการอธิบายอย่างดีในทางทฤษฎี หลักฐานล่าสุดบางส่วนชี้ให้เห็นว่าพลวัตของเครือข่ายประสาทใดๆ สามารถลดทอนลงเหลือเพียงปฏิสัมพันธ์แบบคู่^{[ 35 ]}อย่างไรก็ตาม ยังไม่เป็นที่ทราบแน่ชัดว่าพลวัตเชิงพรรณนาดังกล่าวมีฟังก์ชันการคำนวณที่สำคัญหรือไม่ ด้วยการเกิดขึ้นของกล้องจุลทรรศน์แบบสองโฟตอนและการถ่ายภาพแคลเซียมปัจจุบันเราจึงมีวิธีการทดลองที่มีประสิทธิภาพในการทดสอบทฤษฎีใหม่ๆ เกี่ยวกับเครือข่ายประสาท

ในบางกรณี ปฏิสัมพันธ์ที่ซับซ้อนระหว่าง เซลล์ประสาท ที่ยับยั้งและกระตุ้นสามารถทำให้ง่ายขึ้นได้โดยใช้ทฤษฎีสนามเฉลี่ยซึ่งก่อให้เกิดแบบจำลองประชากรของเครือข่ายประสาท^{[ 36 ]}ในขณะที่นักทฤษฎีประสาทหลายคนชอบแบบจำลองที่มีความซับซ้อนน้อยลง แต่บางคนก็โต้แย้งว่าการค้นพบความสัมพันธ์เชิงโครงสร้างและหน้าที่ขึ้นอยู่กับการรวมโครงสร้างของเซลล์ประสาทและเครือข่ายให้มากที่สุดเท่าที่จะเป็นไปได้ แบบจำลองประเภทนี้มักสร้างขึ้นในแพลตฟอร์มการจำลองขนาดใหญ่ เช่น GENESIS หรือ NEURON มีความพยายามบางอย่างที่จะจัดหาวิธีการแบบรวมที่เชื่อมโยงและบูรณาการระดับความซับซ้อนเหล่านี้^{[ 37 ]}

ความสนใจทางสายตาสามารถอธิบายได้ว่าเป็นชุดของกลไกที่จำกัดการประมวลผลบางอย่างไว้เฉพาะกลุ่มย่อยของสิ่งเร้าที่เข้ามา^{[ 38 ]}กลไกความสนใจจะกำหนดสิ่งที่เราเห็นและสิ่งที่เราสามารถกระทำได้ กลไกเหล่านี้อนุญาตให้มีการเลือกข้อมูลบางอย่าง (โดยเฉพาะอย่างยิ่งข้อมูลที่เกี่ยวข้อง) พร้อมกันและยับยั้งข้อมูลอื่น ๆ เพื่อให้ได้รายละเอียดที่ชัดเจนยิ่งขึ้นเกี่ยวกับกลไกที่อยู่เบื้องหลังความสนใจทางสายตาและการเชื่อมโยงคุณลักษณะ จึงมีการเสนอแบบจำลองการคำนวณจำนวนหนึ่งที่มุ่งอธิบายผลการค้นพบทางจิตกายภาพ โดยทั่วไป แบบจำลองทั้งหมดตั้งสมมติฐานเกี่ยวกับการมีอยู่ของแผนที่ความโดดเด่นหรือลำดับความสำคัญสำหรับการลงทะเบียนพื้นที่ที่น่าสนใจของอินพุตเรตินา และกลไกการควบคุมเพื่อลดปริมาณข้อมูลภาพที่เข้ามา เพื่อให้ทรัพยากรการคำนวณที่จำกัดของสมองสามารถจัดการได้^{[ 39 ]} ทฤษฎีตัวอย่างหนึ่งที่กำลังได้รับการทดสอบอย่างกว้างขวางทั้งทางพฤติกรรมและทางสรีรวิทยาคือ สมมติฐานความโดดเด่นของ V1 ที่ว่าแผนที่ความโดดเด่นแบบจากล่างขึ้นบนถูกสร้างขึ้นในคอร์เทกซ์การมองเห็นหลักเพื่อชี้นำความสนใจจากภายนอก^{[ 31 ]}ประสาทวิทยาเชิงคำนวณให้กรอบทางคณิตศาสตร์สำหรับการศึกษาถึงกลไกที่เกี่ยวข้องกับการทำงานของสมอง และอนุญาตให้จำลองและทำนายกลุ่มอาการทางประสาทจิตวิทยาได้อย่างสมบูรณ์

การสร้างแบบจำลองเชิงคำนวณของฟังก์ชันการรับรู้ระดับสูงเพิ่งเริ่มต้นเมื่อไม่นานมานี้ ข้อมูลการทดลองส่วนใหญ่มาจากการบันทึกหน่วยเดี่ยวในไพรเมตกลีบหน้าผากและกลีบข้างสมองทำหน้าที่เป็นตัวบูรณาการข้อมูลจากประสาทสัมผัสหลายรูปแบบ มีแนวคิดเบื้องต้นบางประการเกี่ยวกับวิธีที่วงจรการทำงานที่ยับยั้งซึ่งกันและกันอย่างง่ายในบริเวณเหล่านี้อาจดำเนินการคำนวณที่เกี่ยวข้องทางชีววิทยา^{[ 40 ]}

สมองดูเหมือนจะสามารถแยกแยะและปรับตัวได้ดีเป็นพิเศษในบริบทบางอย่าง ตัวอย่างเช่น มนุษย์ดูเหมือนจะมีศักยภาพมหาศาลในการจดจำและจำแนกใบหน้า เป้าหมายสำคัญประการหนึ่งของประสาทวิทยาเชิงคำนวณคือการวิเคราะห์ ว่าระบบชีวภาพดำเนินการคำนวณที่ซับซ้อนเหล่านี้ได้อย่างมีประสิทธิภาพอย่างไร และอาจจำลองกระบวนการเหล่านี้ในการสร้างเครื่องจักรที่ชาญฉลาดได้

หลักการจัดระเบียบขนาดใหญ่ของสมองได้รับการอธิบายโดยหลายสาขา รวมถึงชีววิทยา จิตวิทยา และการปฏิบัติทางคลินิกประสาทวิทยาแบบบูรณาการพยายามรวบรวมข้อสังเกตเหล่านี้ผ่านแบบจำลองเชิงพรรณนาที่เป็นหนึ่งเดียวและฐานข้อมูลของการวัดและการบันทึกพฤติกรรม สิ่งเหล่านี้เป็นพื้นฐานสำหรับการสร้างแบบจำลองเชิงปริมาณของกิจกรรมสมองขนาดใหญ่^{[ 41 ]}

แบบจำลองความเข้าใจเชิงคำนวณและการแสดงผลของจิตใจ ( CRUM ) เป็นอีกหนึ่งความพยายามในการสร้างแบบจำลองการรับรู้ของมนุษย์ผ่านกระบวนการจำลอง เช่น ระบบการตัดสินใจโดยใช้กฎเกณฑ์ และการจัดการการแสดงผลทางภาพในการตัดสินใจ

หนึ่งในเป้าหมายสูงสุดของจิตวิทยา/ประสาทวิทยาศาสตร์คือการสามารถอธิบายประสบการณ์ในชีวิตประจำวันของชีวิตที่มีสติสัมปชัญญะฟรานซิส คริกจูลิโอ โทโนนีและคริสตอฟ โคชได้พยายามกำหนดกรอบที่สอดคล้องกันสำหรับงานในอนาคตเกี่ยวกับความสัมพันธ์ทางประสาทของสติสัมปชัญญะ (NCC) แม้ว่างานส่วนใหญ่ในสาขานี้ยังคงเป็นการคาดเดา^{[ 42 ]}

ประสาทวิทยาคลินิกเชิงคำนวณเป็นสาขาที่รวบรวมผู้เชี่ยวชาญด้านประสาทวิทยา ประสาทวิทยาจิตเวชศาสตร์วิทยาศาสตร์การตัดสินใจและการสร้างแบบจำลองเชิงคำนวณ เพื่อกำหนดและตรวจสอบปัญหาใน โรค ทางระบบประสาทและจิตเวช ในเชิงปริมาณ และเพื่อฝึกอบรมนักวิทยาศาสตร์และแพทย์ที่ต้องการนำแบบจำลองเหล่านี้ไปใช้ในการวินิจฉัยและการรักษา^{[ 43 ] [ 44 ]}

วิทยาศาสตร์ประสาทเชิงคำนวณเชิงทำนายเป็นสาขาใหม่ที่ผสมผสานการประมวลผลสัญญาณ วิทยาศาสตร์ประสาท ข้อมูลทางคลินิก และการเรียนรู้ของเครื่องจักรเพื่อทำนายการทำงานของสมองในระหว่างภาวะโคม่า^{[ 45 ]}หรือการดมยาสลบ^{[ 46 ]}ตัวอย่างเช่น สามารถคาดการณ์สภาวะสมองส่วนลึกได้โดยใช้สัญญาณ EEG สภาวะเหล่านี้สามารถนำมาใช้ในการคาดการณ์สมาธิในการสะกดจิตเพื่อนำไปใช้กับผู้ป่วยได้

จิตเวชศาสตร์เชิงคำนวณได้รับการคิดค้นขึ้นครั้งแรกในช่วงปลายทศวรรษ 2000 ในฐานะการประยุกต์ใช้แบบจำลองเชิงคำนวณกับความผิดปกติทางจิตเวช^{[ 47 ]}และพัฒนาอย่างรวดเร็วตลอดทศวรรษ 2010 โดยมีการวิจัยเกี่ยวกับโรคจิตเภท การเสพติด และภาวะซึมเศร้าขั้นรุนแรง รวมถึงความผิดปกติอื่นๆ^{[ 48 ]} นอกจากนี้ยังมีความพยายามที่จะพัฒนาเกณฑ์การวินิจฉัยที่ได้รับแรงบันดาลใจจากการ คำนวณผ่านสาขาย่อยของการจำแนกโรค เชิงคำนวณ ^{[ 49 ] [ 50 ]}งานวิจัยล่าสุดพยายามที่จะใช้แบบจำลองเบย์เซียนของการรับรู้เพื่ออธิบายอาการและปรากฏการณ์ของความผิดปกติทางจิตเวช^{[ 51 ] [ 52 ]}

คอมพิวเตอร์/ชิปแบบนิวโรโมฟิก คืออุปกรณ์ใดๆ ที่ใช้เซลล์ประสาทเทียมทางกายภาพ (ที่ทำจากซิลิคอน) ในการคำนวณ (ดู: การคำนวณแบบนิวโรโมฟิก, เครือข่ายประสาทเทียมทางกายภาพ ) ข้อดีอย่างหนึ่งของการใช้ คอมพิวเตอร์ แบบจำลองทางกายภาพเช่นนี้คือ มันช่วยลดภาระการคำนวณของโปรเซสเซอร์ (ในแง่ที่ว่าองค์ประกอบโครงสร้างและองค์ประกอบการทำงานบางส่วนไม่จำเป็นต้องได้รับการตั้งโปรแกรม เนื่องจากอยู่ในฮาร์ดแวร์) ในปัจจุบัน^{[ 53 ]}เทคโนโลยีนิวโรโมฟิกถูกนำมาใช้สร้างซูเปอร์คอมพิวเตอร์ที่ใช้ในการทำงานร่วมกันด้านประสาทวิทยาศาสตร์ระหว่างประเทศ ตัวอย่างเช่น ซูเปอร์คอมพิวเตอร์ SpiNNaker ของ โครงการ Human Brain Project และคอมพิวเตอร์ BrainScaleS ^{[ 54 ]}

• แอนิแมทแล็บ
• โครงการบลูเบรน
• ไบรอัน (ซอฟต์แวร์)
• แคร์ท (ซอฟต์แวร์)
• เจเนซิส (ซอฟต์แวร์)
• NEST (ซอฟต์แวร์)
• นิวรอน (ซอฟต์แวร์)
• หัวหน้า-DBS
• วาา3ดี

• Chklovskii DB (2004). "การเชื่อมต่อไซแนปส์และสัณฐานวิทยาของเซลล์ประสาท: สองด้านของเหรียญเดียวกัน" . Neuron . 43 (5): 609– 17. doi : 10.1016/j.neuron.2004.08.012 . PMID  15339643 . S2CID  16217065 .
• Sejnowski, Terrence J. ; Churchland, Patricia Smith (1992). สมองเชิงคำนวณ . เคมบริดจ์, แมสซาชูเซตส์: สำนักพิมพ์ MIT . ISBN 978-0-262-03188-2.
• Gerstner, W.; Kistler, W.; Naud, R.; Paninski, L. (2014). พลวัตของเซลล์ประสาท . เคมบริดจ์ สหราชอาณาจักร: สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์. ISBN 978-1-107-44761-5.
• Dayan P. ; Abbott, LF (2001). ประสาทวิทยาเชิงทฤษฎี: การสร้างแบบจำลองเชิงคำนวณและคณิตศาสตร์ของระบบประสาท . เคมบริดจ์ แมสซาชูเซตส์: สำนักพิมพ์ MIT. ISBN 978-0-262-04199-7.
• Eliasmith, Chris; Anderson, Charles H. (2003). วิศวกรรมประสาท: การเป็นตัวแทน การคำนวณ และพลวัตในระบบชีววิทยาประสาท . เคมบริดจ์ แมสซาชูเซตส์: สำนักพิมพ์ MIT . ISBN 978-0-262-05071-5.
• Hodgkin AL , Huxley AF (28 สิงหาคม 1952). "คำอธิบายเชิงปริมาณของกระแสเมมเบรนและการประยุกต์ใช้กับการนำและการกระตุ้นในเส้นประสาท" . J. Physiol . 117 (4): 500– 44. doi : 10.1113/jphysiol.1952.sp004764 . PMC  1392413 . PMID  12991237 .
• วิลเลียม เบียเล็ค ; รีเก้, เฟร็ด; เดวิด วอร์แลนด์; ร็อบ เดอ รุยเตอร์ ฟาน สตีเวนิงค์ (1999) Spikes: สำรวจรหัสประสาท เคมบริดจ์ แมสซาชูเซตส์: MIT ไอเอสบีเอ็น 978-0-262-68108-7.
• Schutter, Erik de (2001). ประสาทวิทยาเชิงคำนวณ: การสร้างแบบจำลองที่สมจริงสำหรับนักทดลอง . โบคา ราตัน: CRC. ISBN 978-0-8493-2068-2.
• Sejnowski, Terrence J.; Hemmen, JL van (2006). 23 ปัญหาในระบบประสาทวิทยา . อ็อกซ์ฟอร์ด [ออกซ์ฟอร์ดเชียร์]: สำนักพิมพ์มหาวิทยาลัยอ็อกซ์ฟอร์ด. ISBN 978-0-19-514822-0.
• Michael A. Arbib; Shun-ichi Amari; Prudence H. Arbib (2002). คู่มือทฤษฎีสมองและเครือข่ายประสาทเทียม . เคมบริดจ์ แมสซาชูเซตส์: สำนักพิมพ์ MIT. ISBN 978-0-262-01197-6.
• Zhaoping, Li (2014). ความเข้าใจเกี่ยวกับการมองเห็น: ทฤษฎี แบบจำลอง และข้อมูล . อ็อกซ์ฟอร์ด สหราชอาณาจักร: สำนักพิมพ์มหาวิทยาลัยอ็อกซ์ฟอร์ด. ISBN 978-0-19-956466-8.

• BRIANคือโปรแกรมจำลองที่เขียนด้วยภาษา Python
• Budapest Reference Connectomeเป็นเครื่องมือแสดงภาพ 3 มิติบนเว็บสำหรับสำรวจการเชื่อมต่อในสมองมนุษย์
• ซอฟต์แวร์จำลองระบบประสาทที่เกิดขึ้นใหม่
• GENESISคือระบบจำลองระบบประสาททั่วไป
• NESTเป็นโปรแกรมจำลองสำหรับแบบจำลองเครือข่ายประสาทแบบสไปค์กิ้ง ซึ่งเน้นที่พลวัต ขนาด และโครงสร้างของระบบประสาท มากกว่าที่จะเน้นที่รูปร่างที่แน่นอนของเซลล์ประสาทแต่ละเซลล์

วิกิมีเดียคอมมอนส์มีสื่อที่เกี่ยวข้องกับประสาทวิทยาเชิงคำนวณ

• วารสารคณิตศาสตร์ประสาทวิทยา
• วารสารประสาทวิทยาเชิงคำนวณ
• การคำนวณทางประสาท
• พลวัตประสาทเชิงปัญญา
• ขอบเขตในประสาทวิทยาเชิงคำนวณ
• วารสารชีววิทยาเชิงคำนวณ PLoS
• ขอบเขตในประสาทสารสนเทศ

• การประชุม วิชาการด้านประสาทวิทยาเชิงคำนวณและระบบ (COSYNE) – การประชุมวิชาการด้านประสาทวิทยาเชิงคำนวณที่เน้นด้านประสาทวิทยาเชิงระบบ
• การประชุมวิชาการด้านประสาทวิทยาเชิงคำนวณประจำปี (CNS) – การประชุมวิชาการด้านประสาทวิทยาเชิงคำนวณที่จัดขึ้นทุกปี
• ระบบประมวลผลข้อมูลประสาท (NIPS) – การประชุมประจำปีชั้นนำที่ครอบคลุมด้านการเรียนรู้ของเครื่องจักรเป็นหลัก
• ประสาทวิทยาเชิงคำนวณทางปัญญา (Cognitive Computational Neuroscience หรือ CCN) – การประชุมด้านประสาทวิทยาเชิงคำนวณที่มุ่งเน้นแบบจำลองเชิงคำนวณที่สามารถทำงานด้านปัญญาได้
• การประชุมวิชาการนานาชาติว่าด้วยพลวัตทางประสาทวิทยาศาสตร์เชิงปัญญา (ICCN) – การประชุมประจำปี
• การประชุมคณิตศาสตร์ประสาทวิทยาแห่งสหราชอาณาจักร – การประชุมประจำปีที่มุ่งเน้นด้านคณิตศาสตร์
• การประชุมเบิร์นสไตน์ว่าด้วยประสาทวิทยาเชิงคำนวณ (BCCN) – การประชุมด้านประสาทวิทยาเชิงคำนวณประจำปี
• การประชุม AREADNE – การประชุมที่จัดขึ้นทุกสองปี ซึ่งรวมถึงผลลัพธ์ทางทฤษฎีและเชิงทดลอง

• สารานุกรมประสาทวิทยาเชิงคำนวณ (Encyclopedia of Computational Neuroscience)ซึ่งเป็นส่วนหนึ่งของScholarpediaสารานุกรมออนไลน์ที่คัดสรรโดยผู้เชี่ยวชาญด้านประสาทวิทยาเชิงคำนวณและระบบพลวัต