Coloquio. Machine Learning aplicado al modelado en Neurociencia: ¿Y la dinámica, bien gracias?

Rodrigo Echeveste
Universidad Nacional del Litoral

El modelado en neurociencia computacional con herramientas del aprendizaje automático es un área de fuerte crecimiento reciente y de mutuo beneficio para ambas disciplinas. Una de las ideas centrales detrás de este enfoque es que optimizando redes neuronales artificiales con el objetivo de realizar tareas relevantes para el cerebro, es posible encontrar modelos que imiten distintos aspectos del procesamiento cortical. Las redes neuronales convolucionales profundas, se inspiraron originalmente en el procesamiento sensorial humano, y son en la actualidad los mejores predictores de las respuestas promedio de neuronas en múltiples áreas de la corteza cerebral. Sin embargo, estas arquitecturas no están diseñadas para representar fielmente la incerteza de sus predicciones, lo cual es central en el contexto de la percepción, donde la información que recibimos de nuestros sentidos es siempre ruidosa e incompleta. Por otro lado, estos modelos carecen de dinámica y no capturan la enorme variabilidad de las respuestas corticales, tanto en el tiempo como ante presentaciones sucesivas del mismo estímulo que se observa en el cerebro.

En esta charla haremos primero una breve reseña del uso de redes convolucionales como herramientas de modelado en neurociencia, para luego enfocarnos en modelos que utilicen conexiones recurrentes para poder ir más allá de las respuestas medias, y lograr capturar aspectos dinámicos de las respuestas corticales. Además mostraremos un ejemplo de cómo este tipo de modelos puede usarse para tender puentes entre fisiología y percepción, no solamente en la población neurotípica sino también en personas del espectro autista.

Coloquio: Thinking big, working small

Vania Silverio - Universidad de Lisboa

In this talk,  we will explore the ability to manipulate and detect magnetic nanoparticles (MNP) at chip level, and  how  it  is  revolutionizing  integrated  miniaturized  laboratories.  The  choice  of  magnetoresistive  (MR)  sensors  results  from  their  outstanding  achievements  in  many  areas,  from  reading  magnetic  bits  for  information  storage  (magnetic  hard  disk  recording)  to  nanoparticle  detection  in  biomedical  platforms  or  neuronal synaptic activity measurements in neurosciences. Irrespective of the application, the integration of MR sensors and MNP offers quantitative and qualitative functionality to biosensing (e.g. comparing to optical or chemical methods). Moreover, magnetic and electromagnetic actuation are becoming extremely attractive components to precisely transport, mix, manipulate, and concentrate (sort, separate, purify, and detect  biomolecules)  MNP  for  binding  and  analysis.  The  ability  to  match  these  distinct  technologies  is  a  growing  and  not  much  explored  route  to  provide  ultra-compact  heterogeneous  integration  of  hybrid  systems  within  multifunctional  chips.  However,  the  challenges  of  handling  liquids  and  MNP  over  a  chip  combine  with  those  for  miniaturization  of  microelectronics.  When  these  are  overcome,  the  result  is  an  integrated  microfluidic  system  with  added  capabilities,  able  to  answer  to demands  in  biomedicine  and drug delivery.

Coloquio: Premio Nobel de Física 2022

Desigualdades de Bell y el inicio de la segunda revolución cuántica

Augusto Roncaglia & Christian Schmiegelow
Física, Exactas-UBA.

En octubre de 2022 Alain Aspect, John Clauser y Anton Zeilinger recibieron el premio Nobel de física "por sus experimentos con fotones entrelazados que establecieron la violación de las desigualdades de Bell, y por su calidad de pioneros en la ciencia de la información cuántica" . En este coloquio hablaremos sobre algunos de sus logros y cómo estos influyeron en la visión que tenemos de la naturaleza. Además, pondremos en contexto de qué modo dieron lugar a lo que hoy se conoce como la segunda revolución cuántica.

Coloquio: Homenajeando a Hudson desde la física

Gabriel Mindlin

Física, Exactas UBA. Conicet