איך בונים רשת נוירונים מלאכותית שמייצגת מוח של בעל חיים?
בפרויקט זה, נבנה רשת מסוג reinforcement learning שתייצג בצורה המיטבית את הפעילות הנוירונלית של עכבר בניסוי מוטיבציה, בהתאם לקריאות של אלקטרודות המושתלות במוחו של העכבר.

מטרת הפרויקט, לתמוך במחקר אקדמי בתחום הנוירוביולוגיה ששמו:
“Simulating the brain’s motivational mechanism”
כאשר שאלת המחקר היא ״איך מוטיבציה משפיעה על למידה?״ ובפרט ״כיצד מועברים כללים שנלמדו תחת סוג מוטיבציה אחת למוטיבציה אחרת?״

תיאור המחקר:
במהלך המחקר מלמדים עכבר כיצד הוא יכול לקבל מזון משלל האפשרויות המוצעות לו כחלק מהניסוי.
אחרי שהלמידה מתבצעת, משנים לו את האפשרות דרכה הוא מקבל מזון ומודדים כיצד הוא לומד אותה.
לבסוף, משנים לעכבר את המוטיבציה.
בשלב זה, העכבר מחפש מים ולא מזון, המחקר מנסה לבדוק האם הוא יכול להיעזר בלמידה שלו כשחיפש אוכל על מנת למצוא את המים, או שמא יצטרך ללמוד הכל מחדש.

תיאור פרויקט התוכנה שתומך במחקר:
ביצוע הנדסת מוחות מלאכותיים - בניית רשתות נוירונים מלאכותיות המבוססות על שיטת reinforcement learning לצורך סימולציות שונות של מוחות, במטרה למצוא רשת נוירונים מלאכותית אשר מדמה את הפעילות המוחית של העכבר במעבדה בצורה מדויקת ככל האפשר.
המודל יעזור לחזות את מעשיו של העכבר בסיטואציות שונות ולנבא את הפעילות המוחית שלו.
לאחר הרצת הסימולציות, יתבצע ניתוח של הנתונים, על ידי השוואה בין המוחות המלאכותיים למוח העכבר האמיתי, ביחס לנתונים התנהגותיים ועצביים שנאספו במעבדה.

הטכנולוגיות שמשתמשים בהן בפרויקט:
PyTorch - deep learning framework.
Jupyter notebooks - web-based interactive computing platform well suited for data science experiments.
DQN Network - deep Q networks, reinforcement learning:
In deep Q networks, active players and other experienced samples are used as inputs and the outputs are learned by matching the data with desired outcomes
EfficientNet - convolutional neural network, developed by AutoML MNAS.
PG Network - Physics-guided Neural Networks -
Uses physics-based model simulations and observational features in a hybrid modeling setup to generate predictions using neural networks.