Panorama 2023: Encuentro informativo sobre el ciclo anual académico

Coloquio: Dinámica cerebral bajo lupa

Matias J. Ison

El desarrollo de nuevas tecnologías  y métodos de análisis permite estudiar las señales cerebrales de manera única. Sin embargo, no existe ninguna técnica que permita entender el funcionamiento del órgano más complejo en distintas escalas temporales y espaciales. Mi trabajo busca desarrollar y aplicar herramientas cuantitativas para estudiar la actividad neuronal en escalas múltiples apelando a diversas técnicas y diseños experimentales. En esta charla  presentaré un pantallazo de algunas líneas de investigación en las que estamos trabajando,  incluyendo registros invasivos en pacientes epilépticos, modelos computacionales, y registros no invasivos utilizando técnicas de neuroimágenes (EEG, MEG, OPM).  Así, mostraré cómo explotar el uso de estas técnicas para estudiar escenarios que involucran búsqueda visual y memoria.

Jueves 13 de abril, 14h

Coloquio: Detectores de silicio en experimentos de altas energías

Sebastian Grinstein 
Catalan Institution for Research and Advanced Studies (ICREA) & Institute for High Energy Physics (IFAE)

En el acelerador LHC del CERN se producen colisiones de protones a muy alta  energía con el objetivo de encontrar respuestas a diversas preguntas fundamentales de la física, desde cuales son los componentes básicos de la materia hasta cómo evolucionará el universo. En los experimentos del LHC, es posible estudiar rutinariamente partículas que solo existen una billonesima parte de un segundo, inferir sus propiedades y realizar búsquedas de partículas aún más elusivas. Esta charla se centrará en los aspectos instrumentales de los experimentos, en particular en detectores de estado solido. También discutiremos los avances recientes en detectores de silicio y sus aplicaciones en futuros aceleradores y en campos más allá de la física experimental de partículas.

Jueves 30 de marzo, 14h. Aula Federman,

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.