Neurociência computacional

Neurociência computacional
A neurociência computacional é uma área de pesquisa muito jovem e dinâmica, englobando várias técnicas matemáticas e computacionais em diversos níveis de abordagem. O seu uso tem sido crescente em neurociência e ciências cognitivas e nas áreas de interface entre elas e as chamadas ciências exatas.
A neurociência computacional é a área da neurociência que tem por objetivo propor modelos matemáticos e computacionais para simular e entender a função e os mecanismos do sistema nervoso. Por sua própria natureza ela é uma ciência interdisciplinar que combina diferentes campos do saber, como a neurobiologia, a física, a ciência da computação, a engenharia elétrica, a matemática aplicada e a psicobiologia. A neurociência computacional tem suas raízes históricas ligadas aos trabalhos de pessoas como Andrew Huxley, Alan Hodgkin, Wilfrid Rall, Donald Hebb e David Marr. Hodgkin e Huxley desenvolveram a técnica do grampo (ou fixação) de voltagem e criaram o primeiro modelo matemático para a geração do potencial de ação em um neurônio. Wilfrid Rall iniciou a modelagem computacional biofisicamente realista de neurônios e dendritos, usando a teoria do cabo para construir o primeiro modelo compartimental de um dendrito. Donald Hebb foi um dos pioneiros na tentativa de se encontrar um substrato biológico para os fenômenos mentais, propondo mecanismos sinápticos e neurais capazes de levar grupos (cell assemblies) de células dispersas pelo cérebro a atuar brevemente como sistemas únicos. David Marr impulsionou a abordagem computacional do cérebro, criando modelos para o funcionamento de estruturas como o hipocampo, o neocórtex e o cerebelo.
A neurociência computacional se diferencia da área da psicologia conhecida como conexionismo e das teorias sobre aprendizagem de disciplinas como aprendizado de máquina, redes neurais e teoria estatística de aprendizado, pois ela enfatiza descrições funcionais ou biologicamente realistas de neurônios e sua fisiologia e