Neuroscience computationnelle
La neuroscience computationnelle est une branche des neurosciences qui utilise des approches de calcul, pour étudier le système nerveux. Les approches computationnelles comprennent les mathématiques, les statistiques, les simulations informatiques, et des abstractions qui sont utilisés dans de nombreux sous-domaines des neurosciences, y compris le développement, la structure, la physiologie et les capacités cognitives du système nerveux.
La discipline des neurosciences computationnelles se divise grossièrement en deux sous-champs.
Un premier, que l’on pourrait appeler neurosciences théoriques, est axée sur des approches fondées sur des principes visant à élaborer des modèles significatifs du système nerveux. Ce domaine contient de nombreux aspects des neurosciences mathématiques qui utilisent des techniques mathématiques pour arriver à des modèles. Les modèles de neurosciences théoriques ont souvent pour but de capturer les caractéristiques essentielles du système biologique à plusieurs échelles spatio-temporelles, des courants membranaires au couplage chimique via les oscillations du réseau, l'architecture colonnaire et topographique, jusqu'au comportement. Ces modèles informatiques soustendent des hypothèses qui peuvent souvent être directement testées par des expériences biologiques ou psychologiques.
Un deuxième, souvent nommé science des données neuronales, est axé sur les approches permettant de comprendre les jeux de données de plus en plus vastes en neuroscience. Cela peut inclure le traitement de données électrophysiologiques ou d’imagerie, l'ajustement de modèles à des données et la comparaison de modèles.
Ces deux sous-domaines sont très synergiques et de nombreux articles s’inspirent des deux traditions.
