Generación de señales cerebrales mediante técnicas de Reservoir Computing

Abstract

Los últimos avances en inteligencia artificial generativa han permitido una imitación casi completa del lenguaje humano. Sin embargo, el lenguaje interno del cerebro es un terreno poco explorado dentro de este campo, habiéndose limitado a modelos matemáticos simples que reproducen el comportamiento individual de neuronas pero son incapaces de replicar estructuras cerebrales completas. Si entendemos el cerebro como un sistema dinámico no lineal, existen diversas aproximaciones que pueden modelizarlo mediante técnicas de Inteligencia Artificial para después generar o predecir señales sin necesidad de conocer las ecuaciones del sistema. Entre estas aproximaciones están las Recurrent Neural Network (RNN), que en sus diversas formas son capaces de retener información temporal del sistema y reconstruirlo internamente con sus pesos. En este Trabajo de Fin de Grado (TFG) se busca utilizar cálculo de reservoir, un tipo específico de redes recurrentes, para el modelado y generación de señales cerebrales de forma automatizada. Para ello se usarán grabaciones de array multielectrodo en roedores con epilepsia como entrada de diferentes tipos de redes recurrentes para establecer una comparativa entre las diferentes aproximaciones.

The latest advances in generative artificial intelligence have enabled an almost complete imitation of human language. However, the brain’s internal language remains a largely unexplored territory within this field, having been limited to simple mathematical models that reproduce the individual behavior of neurons but are unable to replicate complete brain structures. If we understand the brain as a nonlinear dynamic system, there are various approaches that can model it using artificial intelligence techniques to then generate or predict signals without needing to know the equations of the system. Among these approaches are Recurrent Neural Networks (RNN), which in their various forms are capable of retaining temporal information from the system and internally reconstructing it with their weights. In this Bachelor´s Degree Final Project, the aim is to use Reservoir Computing, a specific type of recurrent networks, for the automated modeling and generation of brain signals. For this purpose, recordings of multielectrode arrays in rodents with epilepsy will be used as input for different types of recurrent networks to establish a comparison between the different approaches.