Modelado y Simulación Neuronal en el Web

Título	Modelado y Simulación Neuronal en el Web
Programa	CONACYT
Proyecto	Red de Investigación en Informática (Redii)
Tiempo	1998-2000
Instituciones Participantes	Instituto Tecnológico Autónomo de México (ITAM) *
Principales Investigadores	Dr. Alfredo Weitzenfeld (ITAM)

*Red Nacional de Investigación en Informática

Objetivos del Proyecto

El proyecto Modelado y Simulación Neuronal en el Web tiene como objetivo diseñar y construir un repositorio (base de datos) con acceso directo desde el Web para el modelado y simulación de sistemas basados en redes neuronales. Se considerarán cuatro niveles de modelado con posible integración entre niveles: (1) agentes robóticos autónomos, (2) comportamiento de agentes, (3) redes neuronales y (4) neuronas detalladas. Este repositorio servirá como marco de trabajo para la simulación, publicación y mantenimiento electrónico de modelos computacionales de sistemas neuronales, además de ofrecer un ambiente de desarrollo y simulación en línea de nuevos modelos. Una motivación importante para este proyecto es permitir que se prueben ampliamente modelos existentes para así afianzar la confianza que se tiene en ellos y proveer un ambiente de análisis de las fortalezas y debilidades de estos modelos. A su vez se busca apoyar la aplicación de metodologías de desarrollo de modelos que promuevan el reuso de componentes de los modelos existentes. Se busca en un futuro no solo expandir la base de datos con nuevos modelos pero también crear herramientas que permitan a los diversos investigadores en el mundo criticar los modelos existentes, desarrollar nuevas versiones de estos y contribuir con modelos adicionales. Este proyecto define nuevos objetivos y extiende los anteriores del proyecto de colaboración actualmente en desarrollo entre el laboratorio CANNES del ITAM y el laboratorio BRAIN LAB dirigido por el Dr. Arbib en la Universidad del Sur de California. En particular sirve como apoyo electrónico al libro titulado The Neural Simulation Language NSL: System and Applications, Version 3.0 a publicarse por MIT Press a principios de 1999 teniendo como autores a Weitzenfeld, Arbib y Alexander. El proyecto propuesto se coordinará con un proyecto de mucho mayor alcance dirigido por el Dr. Arbib titulado, Brain Models on the Web (BMW) perteneciente al Human Brain Project, proyecto que tiene como objetivo principal el diseño y desarrollo de bases de datos federadas para la colaboración de científicos en el área de neurociencias abarcando actualmente un gran número de investigadores en el mundo.

Antecedentes del Proyecto

El laboratorio CANNES (Comportamiento Adaptivo Neuronal, Neurociencias y Simulaciones) fué fundado por el Dr. Alfredo Weitzenfeld y el Dr. Francisco Cervantes en el ITAM en 1995. Los objetivos principales del laboratorio son: (1) el desarrollo de modelos computacionales que expliquen los mecanismos neuronales básicos responsables para el comportamiento de los animales a diferentes niveles de abstracción; (2) el diseño de lenguajes de y arquitecturas de software distribuidas para apoyar este modelado y su simulación; y (3) la aplicación de estos modelos dentro del marco de la teoría del cerebro y psicología cognitiva para el diseño de agentes robóticos autónomos y aplicaciones en inteligencia artificial distribuida. Dos proyectos de investigación NSF-CONACyT apoyan estos objetivos: Robots Ecológicos: Un Enfoque Teórico Esquemático [Weitzenfeld, Cervantes y Arkin (Georgia Tech)] y Metodología de Simulación de Nivel Múltiple: Un Enfoque Computacional y Experimental para Sistemas Neuronales [Weitzenfeld, Cervantes, Arbib (University of Southern California) y Rudomin (CINVESTAV, Mexico)]. (Para mayor información sobre estos proyectos favor de accesar el servidor Web de CANNES: http://cannes.rhon.itam.mx.)

En término de modelos computacionales, se está desarrollando una metodología de simulación a partir de sistemas neuronales de nivel múltiple para responder algunas de las preguntas que los modelos de un sólo nivel no son capaces de responder. En particular, cuatro diferentes niveles de análisis son estudiados: agentes robóticos autónomos, comportamiento de agentes, redes neuronales y neuronas detalladas:

En el nivel más alto, agentes robóticos autónomos son diseñados para interactuar con el mundo mediante sensores y efectores. Estos agentes son simulados con robots virtuales e implementados en robots reales con sistemas como MissionLab [MacKenzie, et al. 1994].

En el nivel de comportamiento de agentes, se obtienen datos neuroetológicos de animales vivos para generar sistemas de agentes, sencillos y múltiples, para estudiar la relación entre un agente y su ambiente, dando énfasis a aspectos como cooperación y competencia entre agentes. Comportamientos de agentes se describen mediante esquemas perceptuales y motrices, jerárquicos y distribuidos [Arbib, 1992]. Agentes de esquemas en el nivel de comportamiento son simulados mediante el Lenguaje de Esquemas Abstracto (ASL) [Weitzenfeld, 1993]. Ejemplos de modelos de esquemas incluyen la Chantlitlaxia (búsqueda de un habitat apropiado) en la Mantis Religiosa [Cervantes et al, 1993] y los modelos de adquisición de presa y huida de depredador en las ranas y sapos [Cobas y Arbib, 1992].

En el nivel de redes neuronales, se estudian datos neuroanatómicos y neurofisiológicos para explicar los mecanismos neuronales básicos para la integración sensoriomotriz correspondiente a los modelos esquemáticos desarrollados en el nivel de comportamiento. En este nivel, el modelo de neuronas utilizado es extremadamente sencillo, como el modelo de neurona McCulloch-Pitts y el modelo de integrador con fugas donde la tasa de disparo es una función no-lineal sencilla del potencial de membrana (cada neurona se modela como un sólo compartimiento). Estos modelos pueden incluir ajustes de pesos sinápticos que no tienen la intención de representar aprendizaje pero sirven como procedimientos sencillos de identificación, o sea, dada una "arquitectura" general (patrón de conectividad) para una red neuronal, estos procedimientos buscan ajustar pesos (y posiblemente otros parámetros) que permitan a la arquitectura aproximarse a sus propiedades deseadas. Las redes neuronales son simuladas mediante el Lenguaje de Simulación Neuronal (NSL) [Weitzenfeld y Arbib, 1994]. Ejemplos de modelos de redes neuronales son los modelos adquisición de presa y huida de depredador en las ranas y sapos [Cervantes et al., 1993] y los circuitos neuronales retino-tectales-pretectales modulados por procesos de aprendizaje responsables para la habituación en ranas y sapos [Flores, 1997].

En el nivel de neuronas detalladas, se estudian los mecanismos electroquímicos neuronales para comprender los diferentes fenómenos neuronales, tales como inhibición presináptica, para aspectos como el control de selectividad sináptica [Eguibar et al., 1994]. En este nivel los modelos de neuronas incluyen múltiples compartimientos que incorporan membranas activas y una variedad de canales. Tales modelos pueden o no incorporar mecanismos de plasticidad sináptica. En este nivel se utiliza herramientas para el modelado sub-neuronal, como GENESIS [Bower y Beeman 1994] y NEURON [Hines 1994].

En relación a los ambientes de simulación, y dando especial énfasis al modelado neuronal, el Lenguaje de Simulación Neuronal (NSL por sus siglas en inglés), es un sistema de simulación para redes neuronales generales de gran escala. NSL provee un ambiente de simulación que simplifica la tarea de modelar redes neuronales, apoyando, en particular, modelos neuronales que tienen como estructura de datos capas de neuronas sencillas con propiedades y patrones de conexión similares, donde las neuronas se modelan como integradores con fuga y las interconexiones están sujetas a diferentes reglas de aprendizaje. NSL sigue un diseño orientado a objetos, ofreciendo abstracciones de programación de alto nivel correspondientes a elementos neuronales. NSL ha sido utilizado en diversos laboratorios en el mundo para la enseñanza e investigación de redes neuronales. Actualmente se está desarrollando en NSL la liga entre múltiples niveles de modelado neuronal pudiendo expresar el hecho de que las propias redes neuronales pueden ser interconectadas de manera jerárquica, creando ensamblajes como medio de composición, tales como los que se describen en el Lenguaje de Esquemas Abstracto (ASL por sus siglas en inglés). ASL, lenguaje integrado al de NSL, incorpora además aspectos de la programación orientada a objetos concurrentes [Wegner 1990], donde un esquema es representado como un template del cual muchas instancias pueden ser creadas. ASL utiliza un modelo jerárquico, permitiendo diseños de arriba hacia abajo y de abajo hacia arriba, apoyado por un lenguaje concurrente que permite una implementación distribuida, además de integrarse con las redes neuronales descritas en NSL. Otras características de ASL son su naturaleza dinámica y asíncrona, y la inclusión de ensamblajes de esquemas dinámicos como base para la composición. De acuerdo a su comportamiento, se describe cómo las instancias de un esquema responderán a comunicaciones externas. Cada instancia de un esquema cuenta con un conjunto de múltiples puertos de entrada y salida a través de los cuales la comunicación toma lugar. Un ensamblaje de esquemas, la base para agregación, es una red de instancias de esquemas, y puede considerarse un esquema para su procesamiento. Cómo un esquema puede ser descompuesto en cualquier número de "sub-esquemas", pudieran haber virtualmente cualquier número de niveles de abstracción.

Actualmente se está completando la integración de NSL y ASL para apoyar la simulación en los niveles de agentes robóticos autónomos, comportamiento de agentes y redes neuronales. Este trabajo incorpora los siguientes componentes: lenguajes compilados para describir modelos, lenguajes interpretados para controlar interactivamente las simulaciones, lenguajes de programación visual, interfaces gráficas, técnicas de visualización, procesamiento concurrente (múltiples hilos) y distribuido, arquitecturas meta-nivel, herramientas de análisis numéricos y metodologías de simulación. Existen dos implementaciones de NSL, NSLJ en Java y NSLC en C++.

Descripción del Proyecto

El proyecto propone diseñar y construir un repositorio (base de datos) con acceso directo desde el Web para apoyar el modelado y simulación de sistemas basados en redes neuronales con diferentes niveles de abstracción. Se consideran las siguientes áreas.

Repositorio (base de datos)

El repositorio tiene como objetivo guardar cuatro tipos de estructuras principales en la base de datos:

Modelos: Vistas de alto nivel de un modelo, ligado a los elementos descritos a continuación.
Módulos: Componentes de un modelo estructurados jerárquicamente.
Simulaciones: Para cada ejecución "útil" de un modelo, se guarda los parámetros y valores de entrada, además de anotarse aspectos particulares en relación a los resultados.
Interfaces: Para apoyo en el control y visualización, se incluyen interfaces especializadas que permiten interactuar de manera diferente con cada modelo y simulaciones correspondientes.

El manejador de la base de datos deberá permitir acceso concurrente de usuarios desde el Web además independiente de esta a las diferentes estructuras. Entre las funciones que se desea apoyar se incluye:

Administración de modelos, módulos, simulaciones e interfaces junto con un catálogo de estos.
Administración general de la base de datos, incluyendo consultas de modelos y ejecución de simulaciones.
Administración de versiones y revisiones de modelos, módulos, simulaciones e interfaces.
Seguridad y consistencia entre los modelos, módulos, simulaciones, interfaces y documentación.

Modelos

En la actualidad se cuenta con un conjunto de modelos escritos en NSL por diversos investigadores en el mundo. A estos modelos se les debe actualizar y optimizar de acuerdo a la última versión de NSL y se debe incluir documentos de apoyo para su comprensión, además de diseñar interfaces que simplifiquen su simulación. Se busca definir un conjunto de modelos representativos como apoyo a un curso de modelado y simulación neuronal. Como parte de este proyecto son necesarios los siguientes aspectos en relación a los modelos:

Especificación del formato de la biblioteca de modelos incluyendo material de apoyo.
Especificación de formatos para versiones y revisiones de los modelos incluidos en el repositorio.
Apoyo a usuarios con diferentes niveles de sofisticación.
Desarrollo de documentación de apoyo al modelo, incluyendo control y visualización.
Desarrollo de documentación de recursos de la simulación, como parámetros, entradas e interfaces.

Simulación en el Web mediante NSL

El apoyo a la simulación y creación de modelos directamente del Web incluye los siguientes aspectos:

Desarrollo de documentación y configuración para la obtención de NSL.
Desarrollo de un manual de usuario de NSL en línea.
Integración de las versiones de NSLC (C++) y NSLJ (Java) bajo un ambiente de simulación distribuido.
Configuración para la simulación desde el Web de los modelos existentes en el repositorio.
Desarrollo del material de apoyo para la simulación desde el Web.

Ambiente Virtual para Control y Visualización de Múltiple Nivel

Diseño del ambiente virtual para el control y visualización de los diferentes niveles de modelado y simulación: agentes robóticos autónomos, comportamiento, redes neuronales y neuronas detalladas.
Extensión del ambiente para control de robots autónomos reales.
Desarrollo de documentación para la creación de modelos de nivel múltiple y su simulación.

Aspectos de investigación tratados dentro del proyecto general:

Especificación y documentación de un conjunto de benchmarks para la simulación de modelos y la comparación de versiones alternas de un modelo contra el conjunto de benchmarks preestablecido.
Especificación y documentación de una metodología para el desarrollo de nuevos modelos.
Especificación y documentación de patrones de reuso de componentes, buscando simplificar el desarrollo de nuevos modelos mediante la validación y verificación de los componentes de manera independiente.

Entregables

Cabe resaltar que aunque el proyecto propuesto es parte de un marco de investigación mucho mas amplio, nada de lo aquí descrito ya está hecho ni por el investigador responsable en el ITAM ni dentro del marco mas amplio de colaboración con la Universidad del Sur de California. Los entregables del proyecto son aspectos complementarios a los proyectos ya existentes y consisten de lo siguiente:

Desarrollo y documentación del servidor de base de datos como repositorio a los modelos neuronales descritos en Weitzenfeld, Arbib y Alexander, The Neural Simulation Language NSL: System and Applications, Version 3.0, MIT Press, actualmente siendo terminado y a publicarse a principios de 1999.
R revisión, actualización, y documentación de los modelos escritos en NSL a incluirse en el servidor (aproximadamente 10 modelos abarcando redes neuronales artificiales, redes neuronales biológicas y extensiones para robótica).
Desarrollo y documentación del ambiente de control y visualización para el modelado a múltiples nivelves y simulación de NSL.
Desarrollo del manual de usuario en línea para el sistema NSL y apoyo general para obtención y configuración del simulador.
Publicación del trabajo hecho aquí en foros internacionales.
Preparación de material de apoyo para un curso en neurocomputación en base a lo desarrollado en este proyecto. (Esto es parte de un vínculo con el CINVESTAV y posiblemente con la UNAM.)