Beyin aktivitesini anlamak, tek tek nöronlardan büyük ölçekli ağ dinamiklerine uzanan çok katmanlı bir bakış açısı gerektiriyor. Ancak mevcut araçların çoğu yalnızca tek bir analiz düzeyine odaklanıyor ve birbiriyle uyumsuz veri formatları kullanıyor; bu durum araştırmacıların farklı ölçekleri bir arada incelemesini güçleştiriyor. Bu soruna yanıt olarak geliştirilen DRIADA, nöral sinyalleri ve davranışsal verileri ortak bir çerçevede birleştiren açık kaynaklı bir Python aracı. Sistem; seçicilik testleri, boyut indirgeme ve ağ analizi gibi farklı yöntemlerin tek bir iş akışı içinde kullanılmasına olanak tanıyor. Araç, gerçek fare verileri üzerinde de sınanmış: 13 farenin açık alanda elde edilen hipokampal kalsiyum görüntüleme verilerinde, seçici nöronlara göre yapılan filtreleme sayesinde çökmüş görünen uzamsal temsil iki boyutlu olarak yeniden kazanılmış. Üstelik araştırmacılar ilginç bir bulguya da ulaşmış; manifold boyutları hakkında bilgi taşıyan nöronların yaklaşık yüzde 57'si, ölçülen davranışsal değişkenlerin hiçbirine seçici değilmiş. Bu, beynin bilgiyi sandığımızdan çok daha örtük biçimlerde kodlayabileceğine işaret ediyor.

arXiv (Nörobilim) 0

Fizik

29 Apr

Yüksek Enerji Fiziği için Yeni Python Aracı: Jarvis-HEP

Yüksek enerji fiziği araştırmalarında karmaşık hesaplamalar yapmak artık daha kolay. Bilim insanları, farklı yazılım araçlarını birbirine bağlayarak büyük ölçekli parametre taramalarını kolaylaştıran Jarvis-HEP adlı yeni bir Python çerçevesi geliştirdi. Bu hafif ve kullanıcı dostu araç, parçacık fiziği fenomenolojisi çalışmalarında çoklu hesaplama adımlarını otomatikleştiriyor. YAML tabanlı iş akışı tanımlaması, bağımlılık-farkında yürütme ve asenkron görev zamanlama özellikleriyle araştırmacıların karmaşık hesaplamaları daha verimli yapmasını sağlıyor. Gerek dış yazılım paketlerini gerekse dahili bileşenleri tek bir iş akışında birleştiren sistem, keşifsel taramalar için çeşitli örnekleme arka uçlarını da içeriyor.

arXiv (Fizik) 0