Канака Раджан

Канака Раджан
Рожденный	Индия
Национальность	Американский
Альма-матер	Анна Университет Университет Брандейса Колумбийский университет Медицинская школа Икана на горе Синай
Известный	Модели рекуррентной нейронной сети (RNN) мозга
Научная карьера
Поля	Вычислительная и теоретическая нейронаука
Учреждения	Гарвардский университет

Канака Раджан — специалист по вычислительной нейробиологии на кафедре нейробиологии Гарвардской медицинской школы и основатель факультета Института Кемпнера по изучению естественного и искусственного интеллекта. в Гарвардском университете . Раджан получил образование в области инженерии, биофизики и нейробиологии и стал пионером в разработке новых методов и моделей, позволяющих понять, как мозг обрабатывает сенсорную информацию. Ее исследование направлено на то, чтобы понять, как важные когнитивные функции, такие как обучение, запоминание и принятие решений, возникают в результате совместной деятельности многомасштабных нервных процессов и как на эти процессы влияют различные нейропсихиатрические болезненные состояния. мозгового моста Возникшие в результате интегративные теории о нейробиологии и искусственном интеллекте .

Ранняя жизнь и образование

Раджан родился и вырос в Индии. В 2000 году она получила степень бакалавра технологий (B.Tech.) в Центре биотехнологии Университета Анны в Тамил Наду , Индия, по специальности «Промышленная биотехнология» и окончила его с отличием.

В 2002 году Раджан получила степень магистра в области нейробиологии в Университете Брандейса , где она проводила эксперименты с Евой Мардер и Джиной Турриджано , прежде чем присоединиться к лаборатории Ларри Эбботта , где она получила степень магистра (MA). В 2005 году перевелась на к.т.н. Программа по неврологии в Колумбийском университете , когда доктор Эбботт переехала из Брандейса в Колумбию и защитила докторскую диссертацию. с Эбботтом в Центре теоретической нейронауки.

Докторантура

В дипломной работе Раджан использовала математическое моделирование для решения нейробиологических вопросов. Основным компонентом ее диссертации была разработка теории того, как мозг интерпретирует тонкие сенсорные сигналы в контексте своего внутреннего эмпирического и мотивационного состояния для извлечения однозначных представлений о внешнем мире. Это направление работы было сосредоточено на математическом анализе нейронных сетей, содержащих возбуждающие и тормозные типы, для моделирования нейронов и их синаптических связей. Ее работа показала, что увеличение ширины распределений возбуждающих и тормозных синаптических сил резко меняет распределения собственных значений. В биологическом контексте эти результаты предполагают, что наличие различных типов клеток с различным распределением синаптической силы будет влиять на динамику сети и что распределение синаптической силы можно измерить, чтобы исследовать характеристики динамики сети. Электрофизиологические и визуализирующие исследования во многих областях мозга с тех пор подтвердили предсказания этой гипотезы фазового перехода.

Для выполнения этой работы используются мощные методы теории случайных матриц. и статистическая механика были трудоустроены. Ранняя влиятельная работа Раджана вместе с Эбботтом и Хаимом Сомполински интегрировали физическую методологию в основные исследования в области нейробиологии — первоначально путем создания экспериментально проверяемых прогнозов, а сегодня путем закрепления этих инструментов в качестве важного компонента арсенала моделирования данных. Раджан защитила докторскую диссертацию. в 2009 году.

Постдокторские исследования

С 2010 по 2018 год Раджан работал научным сотрудником в Принстонском университете вместе с биофизиком-теоретиком Уильямом Биалеком и нейробиологом Дэвидом Танком . В Принстоне она и ее коллеги разработали и использовали широкий набор инструментов из области физики, инженерии и информатики для создания новых концептуальных основ для описания взаимосвязи между когнитивными процессами и биофизикой на многих уровнях биологической организации.

Избирательность признаков моделирования

В постдокторской работе Раджан с Биалеком она исследовала инновационный метод моделирования нейронного феномена избирательности признаков. Селективность по признакам — это идея, согласно которой нейроны настроены реагировать на определенные и дискретные компоненты поступающей сенсорной информации, а позже эти отдельные компоненты объединяются для создания общего восприятия сенсорного ландшафта. Чтобы понять, как мозг может получать сложные входные данные, но обнаруживать отдельные особенности, Раджан рассматривал проблему как уменьшение размерности вместо типичного подхода линейной модели. Раджан показал, используя квадратичные формы в качестве признаков стимула, что максимально информативные переменные можно найти без предварительного предположения об их характеристиках. Этот подход позволяет объективно оценить рецептивные поля для стимулов.

Рекуррентное моделирование нейронных сетей

Затем Раджан работал с Дэвидом Танком, чтобы показать, что последовательная активация нейронов, общая черта рабочей памяти и принятия решений, может быть продемонстрирована, начиная с моделей нейронных сетей со случайной связностью. Процесс, получивший название «Частичное внутрисетевое обучение», используется как в качестве модели, так и для сопоставления реальных нейронных данных из задней теменной коры во время поведения. Вместо прямых связей нейронные последовательности в их модели распространяются по сети посредством повторяющихся синаптических взаимодействий, а также управляются внешними входными данными. Их моделирование подчеркнуло потенциал, который обучение может извлечь из крайне неструктурированных сетевых архитектур. Эта работа выявила, как в нейронах возникает чувствительность к естественным стимулам, как эта избирательность влияет на сенсомоторное обучение и как нейронные последовательности, наблюдаемые в различных областях мозга, возникают из минимально пластичных, в значительной степени неупорядоченных цепей – опубликовано в журнале Neuron .

Карьера и исследования

В июне 2018 года Раджан стал доцентом кафедры нейронаук и Института мозга Фридмана Медицинской школы Икана на горе Синай . Как главный исследователь Лаборатории исследований мозга и искусственного интеллекта Раджана в Нью-Йорке (BRAINY) , ее работа сосредоточена на интегративных теориях, описывающих, как поведение возникает в результате совместной деятельности многомасштабных нейронных процессов. Чтобы получить представление о фундаментальных процессах мозга, таких как обучение, память, многозадачность или рассуждение, Раджан разрабатывает теории, основанные на архитектуре нейронных сетей, вдохновленной биологией, а также математических и вычислительных структурах, которые часто используются для извлечения информации из нейронных и поведенческих данных. Эти теории используют модели нейронных сетей, достаточно гибкие, чтобы учитывать различные уровни биологических деталей на уровне нейронов, синапсов и цепей.

Она использует междисциплинарный подход, который дает критическую информацию о том, как нейронные цепи обучаются и выполняют функции, начиная от рабочей памяти и заканчивая принятием решений, рассуждением и интуицией, что дает ей уникальную возможность улучшить наше понимание того, как работают важные акты познания. . Ее модели основаны на экспериментальных данных (например, визуализации кальция , электрофизиологии и поведенческих экспериментах), а также на новых и существующих математических и вычислительных системах, полученных на основе машинного обучения и статистической физики . Раджан продолжает применять рекуррентное моделирование нейронных сетей к поведенческим и нейронным данным. В сотрудничестве с Карлом Дейсеротом и его командой из Стэнфордского университета , такие модели показали, что взаимодействия цепей внутри латеральной хабенулы , структуры мозга, участвующей в отвращении, кодируют особенности опыта, направляющие поведенческий переход от активного к пассивному копингу – работа, опубликованная в Cell .

В 2019 году Раджан был одним из двенадцати исследователей, получивших финансирование от Национального научного фонда (NSF). Белого дома несмотря на его участие в инициативе по исследованию мозга посредством продвижения инновационных нейротехнологий (BRAIN) . В том же году она также была награждена грантом NIH BRAIN Initiative (R01) за теории, модели и методы анализа сложных данных мозга. Начиная с 2020 года Раджан стал соруководителем рабочей группы по вычислительной нейробиологии . входит в состав Национального института здравоохранения Межведомственной группы моделирования и анализа (IMAG).

В 2022 году Раджан получил звание доцента. работал на кафедре неврологии и в Институте мозга Фридмана Медицинской школы Икана на горе Синай.

В 2023 году Раджан присоединился к кафедре нейробиологии Гарвардской медицинской школы в качестве члена факультета и Института Кемпнера по изучению естественного и искусственного интеллекта в качестве преподавателя-основателя.

Награды и почести

• Глобальный стипендиат CIFAR Азриэли – Программа «Мозг, разум и сознание»
• Премия Макнайта
• Лидеры следующего поколения, Институт наук о мозге Аллена (2021 г.)
• Премия Национального научного фонда (NSF) «КАРЬЕРА» (2021 г.)
• Премия Гарольда и Голдена Лэмпорта за фундаментальные исследования (2021 г.)
• Премия ученых-исследователей Института мозга Фридмана от Фонда Дьяла (2020)
• Премия ученых-исследователей Института мозга Фридмана от семьи ДиСабато (2019)
• Слоанская исследовательская стипендия в области неврологии (2019)
• Премия Фонда Миндлина 1Tweet1P, Нейронаука встречает графический роман (2018)
• Премия исследователя «Понимание человеческого познания» от Фонда Джеймса Макдоннелла (2016 г.)
• Приглашенная исследовательская стипендия, Исследовательский кампус Джанелия , Медицинский институт Говарда Хьюза (2016)
• Премия Фонда мозга и поведения (ранее NARSAD) для молодых исследователей (2015–2017 гг.)
• Преподаватель кафедры молекулярной биологии и Института интегративной геномики Льюиса-Сиглера Принстонского университета по методам и логике в количественной биологии (2011–2013 гг.)
• Грант Организации вычислительных нейронаук (OCNS) (2011 г.)
• Постдокторская стипендия Слоана-Шварца по теоретической нейронауке (2010-2012)
• Премия Мемориала Пулина Сампата в области преподавания, Университет Брандейса (2004 г.)
• Стипендия младшего научного сотрудника Института фундаментальных исследований Тата (2001-2002)

Выберите публикации

• Перич, Мэтью Г.; Раджан, Канака (2020). «Переосмысление общемозговых взаимодействий с помощью многорегиональных моделей «сети сетей»» . Современное мнение в нейробиологии . 65 : 146–151. дои : 10.1016/j.conb.2020.11.003 . ПМЦ   7822595 . ПМИД   33254073 .
• Пинто, Лукас; Раджан, Канака; ДеПаскуале, Брайан; Тиберге, Стефан Ю.; Танк, Дэвид В.; Броуди, Карлос Д. (ноябрь 2019 г.). «Зависимые от задачи изменения в крупномасштабной динамике и необходимости корковых регионов» . Нейрон . 104 (4): 810–824.e9. дои : 10.1016/j.neuron.2019.08.025 . ПМК   7036751 . ПМИД   31564591 .
• Ян, Гуангюй Роберт; Коул, Майкл В.; Раджан, Канака (октябрь 2019 г.). «Как изучить нейронные механизмы решения нескольких задач» . Современное мнение в области поведенческих наук . 29 : 134–143. дои : 10.1016/j.cobeha.2019.07.001 . ПМК   7266112 . ПМИД   32490053 .
• Андалман, Аарон С.; Бернс, Ванесса М.; Ловетт-Бэррон, Мэтью; Брокстон, Майкл; Пул, Бен; Ян, Сэмюэл Дж.; Гросеник, Логан; Лернер, Талия Н.; Чен, Ричи; Бенстер, Тайлер; Муррен, Филипп; Левой, Марк; Раджан, Канака; Дейсерот, Карл (май 2019 г.). «Нейрональная динамика, регулирующая переходы между мозговыми и поведенческими состояниями» . Клетка . 177 (4): 970–985.e20. дои : 10.1016/j.cell.2019.02.037 . ПМК   6726130 . ПМИД   31031000 .
• Раджан, Канака; Харви, Кристофер; Танк, Дэвид (апрель 2016 г.). «Рекуррентные сетевые модели генерации последовательностей и памяти» . Нейрон . 90 (1): 128–142. arXiv : 1603.04687 . дои : 10.1016/j.neuron.2016.02.009 . ПМЦ   4824643 . ПМИД   26971945 .
• Раджан, Канака; Бялек, Уильям; Сэмюэл, Аравинтан (8 ноября 2013 г.). «Максимально информативные «энергии стимула» в анализе нервных ответов на естественные сигналы» . ПЛОС ОДИН . 8 (11): е71959. Бибкод : 2013PLoSO...871959R . дои : 10.1371/journal.pone.0071959 . ПМЦ   3826732 . ПМИД   24250780 .
• Раджан, Канака; Марре, Оливье; Ткачик, Гашпер (июль 2013 г.). «Изучение квадратичных рецептивных полей на основе реакций нейронов на естественные стимулы». Нейронные вычисления . 25 (7): 1661–1692. arXiv : 1209.0121 . дои : 10.1162/NECO_a_00463 . ПМИД   23607557 . S2CID   13893466 .
• Раджан, Канака; Эбботт, ЛФ; Сомполинский, Хаим (7 июля 2010 г.). «Стимул-зависимое подавление хаоса в рекуррентных нейронных сетях» . Физический обзор E . 82 (1): 011903. arXiv : 0912.3513 . Бибкод : 2010PhRvE..82a1903R . дои : 10.1103/PhysRevE.82.011903 . ПМЦ   10683875 . ПМИД   20866644 . S2CID   946870 .
• Раджан, Канака; Эбботт, LF (2 ноября 2006 г.). «Спектры собственных значений случайных матриц для нейронных сетей». Письма о физических отзывах . 97 (18): 188104. Бибкод : 2006PhRvL..97r8104R . doi : 10.1103/PhysRevLett.97.188104 . ПМИД   17155583 .