1/1/2020 - 31/12/2022
El supuesto central de la neurociencia teórica es que el cerebro calcula. Es decir, en términos generales, la suposición es que el cerebro es un sistema dinámico cuyo estado de variables codifican la información sobre el mundo exterior. Por ende, el cálculo es igual a la codificación más la dinámica. El cerebro procesa la información sensorial en múltiples etapas en los circuitos neuronales. La información se transmite a través de los trenes de potenciales de acción o, menos frecuentemente, por los potenciales de campo local (LFP) . Más específicamente, la información puede ser también transmitida a través del conteo de disparos o ?spikes?, la precisión temporal de los mismos, la estructura de la serie temporal, las correlaciones de las neuronas, o alguna combinación de estos. La identificación de las interacciones espacio-temporales dentro/entre poblaciones de neuronas es crítica para la detección y caracterización de las interacciones neuronales a gran escala y es fundamental para comprender el contenido dinámico de la información en el cerebro. Las propiedades de integración de las dendritas son determinadas por una compleja mezcla de factores, incluyendo su morfología, los patrones espacio-temporales de las entradas sinápticas, los balances de excitación e inhibición, etc. De este modo, las conexiones físicas que se encuentran en la corteza no necesariamente nos revelan cuál es la dinámica de la información, los flujos de información a través de las redes corticales, o cuál es el diagrama de flujo de información en las redes corticales. Por ende la detección de cambios dinámicos e información a través de las redes corticales es uno de los problemas más importantes en la física de sistemas complejos y neurociencias. Nuestro objetivo es investigar la forma en que la información se codifica en la actividad neuronal y otras variables dinámicas del cerebro teniendo en cuenta la biofísica de las neuronas individuales, los fenómenos que surgen de las interacciones entre las mismas y las dinámicas de las redes reflejadas en las estructuras temporales de nuestros modelos computacionales, contrastadas con el análisis de grabaciones experimentales de poblaciones neuronales.