主菜单(手机) - 块

主菜单 - 块

约翰逊实验室

janelia7_blocks-janelia7_secondary_menu |堵塞
在这个实验室着陆页中更多
custom_misc-custom_misc_lab_updates |堵塞
节点:field_content_header |Entity_field
研究概述
节点:field_content_summary |Entity_field

一般生物学智力的基础神经机制是未知的,这代表了我们对动物行为的理解和建造高度智能机器所需的信息处理原理的核心限制。

节点:身体|Entity_field

一般智能的一个关键组成部分是物理场景理解 - 观察场景,将此场景解析为组件对象,从经验中推断出这些对象的属性,并将这些信息与世界内部模型相结合的能力生成一个概率的心理模拟,以了解该场景可能会随着时间的推移如何展开。执行此类计算所需的知识称为直观的物理学。尽管对发展人类的直觉物理学的出现进行了充分的研究,但了解和应用这些知识涉及的算法知之甚少。为了提高对基于物理的推理及其在神经回路中的实施的理解,我们的实验室旨在将计算认知科学,机器学习,神经障碍和系统神经科学的思想整合到研究啮齿动物中的直觉物理学。

少年大鼠很容易受过训练,可以在实验室里玩,并在短短几天内学习这项任务。我们旨在自动化获取训练和游戏玩法,并衡量和建模啮齿动物如何学习和使用直觉的物理知识来计划此游戏中有效的拦截路线。通过向啮齿动物展示持续新颖的试验配置,我们确保必须从内部模型而不是通过记忆来计算解决方案。通过量化其采用快捷方式到移动目标的能力,我们旨在模拟啮齿动物如何使用有关对象和原理的信息来预测未来和计划的原则。试验将安排以表征啮齿动物对质量,形状,坚固,重力,动量,碰撞,遮挡,永久性和其他基本直觉物理概念的理解。我们的实验室将使用高速多相机系统来测量获取游戏玩法,并将应用深度学习模型估算现场啮齿动物和物体的3D构成动力学。该数据将在物理引擎中重建,以在现实的虚拟环境中对啮齿动物行为进行建模。该系统将帮助我们了解啮齿动物如何通过观察和与之交互来预测环境动力学的前进和逆模型来预测环境动态和推断新物体的性质。尽管我们的直接重点是衡量和建模行为,但我们的长期目标是记录游戏过程中的神经动态,以识别对象属性,游戏状态和可能的未来事件的神经表示。

保持联系

我们是一个新的实验室,希望在认知神经科学领域的新问题上取得进展。如果您想了解更多或有兴趣加入我们的团队,请直接联系Rob(johnsonr@janelia.hhmi.org)。