Neurophysiology and biophysics for ai
A.A. 2025/2026
Obiettivi formativi
This foundational course provides the theoretical basis of neurophysiology needed to address neurocomputation, AI algorithms and their applications to ICT and biomedicine and to provide a perspective for the comparison between natural and artificial intelligence. This includes understanding how neurons and synapses operate inside local microcircuits, how their activity propagates through large-scale networks, and how synaptic and non-synaptic plasticity is generated based on network activity patterns. Moreover, the anatomical organization of large-scale systems will be considered along-with large-scale dynamics and their control of cognitive and emotional states and consciousness. Special attention will be given to biophysical and computational aspects of brain activity at all scales, providing insight on algorithmic properties. Basics of experimental measurements of brain structure and function and of brain biological properties will be provided.
Risultati apprendimento attesi
Students will learn the foundations of central nervous system physiology, at multiple levels: how complex neuronal functions arise from cellular biophysical properties, the rules governing neuronal network activity and plasticity, and how these features combine to generate higher cognitive functions at the macroscale level. The students are expected to learn how brain investigations are performed, from the experimental and computational point of view, and the relevant applications to AI.
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Periodo
Secondo semestre
Programma
Il programma è diviso in tre sezioni principali:
1) Neurofisiologia cellulare: una breve introduzione alle neuroscienze e alla loro storia; basi di citologia e classificazione di neuroni e cellule gliali; la membrana eccitabile, la generazione del potenziale di membrana; generazione e propagazione dei potenziali d'azione; introduzione all'applicazione della biofisica per rappresentare la fisiologia della membrana neuronale.
Applicazioni alla modellizzazione computazionale e all'IA: biofisica estesa per la modellizzazione dei neuroni; teoria di Hodgkin-Huxley; teoria delle catene di Markov; modelli di singoli neuroni (ricostruzione, simulazione, validazione, ottimizzazione).
2) Funzioni dei microcircuiti: trasmissione sinaptica; eccitazione e inibizione nelle reti neuronali (organizzazione temporale e spaziale dell'equilibrio E/I), plasticità sinaptica (plasticità a breve e lungo termine, regole della plasticità, plasticità hebbiana e non hebbiana, plasticità eterosinaptica, spike-timing dependent plasticity).
Applicazioni alla modellizzazione computazionale e all'IA: biofisica estesa per la modellizzazione dei microcircuiti; regole di apprendimento nei modelli di rete; teoria delle reti neurali artificiali (percettrone semplice, reti auto-organizzanti, reti con strati nascosti, reti autoassociative, reti di Elman); principi del calcolo efficiente con le reti; principi dell'apprendimento automatico in ingegneria e neuroscienze.
3) Neurofisiologia dei sistemi: anatomia macroscopica del sistema nervoso; sistema sensoriale (ad es. visione, sistema uditivo e vestibolare, sistema somatosensoriale); sistema motorio (midollo spinale, riflessi, controllo centrale del movimento volontario; corteccia motoria, gangli della base, cervelletto); ipotalamo, sistema nervoso autonomo e neuromodulatori; motivazione; emozione; linguaggio; sonno; cervello in resting state e sistema dell'attenzione; coscienza; memoria.
Applicazioni alla modellizzazione computazionale e all'IA: biofisica estesa per la modellizzazione cerebrale; modelli cerebrali multiscala (principi bottom-up e top-down); modellizzazione del cervello virtuale (TVB); modellizzazione causale dinamica (DCM); controllori neurorobotici; IA e funzionamento cerebrale per il controllo cognitivo e sensomotorio.
Per ciascuna sezione, la Prof. Mapelli insegnerà la parte puramente biologica, mentre il Prof. D'Angelo svilupperà le applicazioni computazionali e legate all'intelligenza artificiale dei concetti biologici.
1) Neurofisiologia cellulare: una breve introduzione alle neuroscienze e alla loro storia; basi di citologia e classificazione di neuroni e cellule gliali; la membrana eccitabile, la generazione del potenziale di membrana; generazione e propagazione dei potenziali d'azione; introduzione all'applicazione della biofisica per rappresentare la fisiologia della membrana neuronale.
Applicazioni alla modellizzazione computazionale e all'IA: biofisica estesa per la modellizzazione dei neuroni; teoria di Hodgkin-Huxley; teoria delle catene di Markov; modelli di singoli neuroni (ricostruzione, simulazione, validazione, ottimizzazione).
2) Funzioni dei microcircuiti: trasmissione sinaptica; eccitazione e inibizione nelle reti neuronali (organizzazione temporale e spaziale dell'equilibrio E/I), plasticità sinaptica (plasticità a breve e lungo termine, regole della plasticità, plasticità hebbiana e non hebbiana, plasticità eterosinaptica, spike-timing dependent plasticity).
Applicazioni alla modellizzazione computazionale e all'IA: biofisica estesa per la modellizzazione dei microcircuiti; regole di apprendimento nei modelli di rete; teoria delle reti neurali artificiali (percettrone semplice, reti auto-organizzanti, reti con strati nascosti, reti autoassociative, reti di Elman); principi del calcolo efficiente con le reti; principi dell'apprendimento automatico in ingegneria e neuroscienze.
3) Neurofisiologia dei sistemi: anatomia macroscopica del sistema nervoso; sistema sensoriale (ad es. visione, sistema uditivo e vestibolare, sistema somatosensoriale); sistema motorio (midollo spinale, riflessi, controllo centrale del movimento volontario; corteccia motoria, gangli della base, cervelletto); ipotalamo, sistema nervoso autonomo e neuromodulatori; motivazione; emozione; linguaggio; sonno; cervello in resting state e sistema dell'attenzione; coscienza; memoria.
Applicazioni alla modellizzazione computazionale e all'IA: biofisica estesa per la modellizzazione cerebrale; modelli cerebrali multiscala (principi bottom-up e top-down); modellizzazione del cervello virtuale (TVB); modellizzazione causale dinamica (DCM); controllori neurorobotici; IA e funzionamento cerebrale per il controllo cognitivo e sensomotorio.
Per ciascuna sezione, la Prof. Mapelli insegnerà la parte puramente biologica, mentre il Prof. D'Angelo svilupperà le applicazioni computazionali e legate all'intelligenza artificiale dei concetti biologici.
Prerequisiti
Non sono previsti prerequisiti per l'accesso al corso.
Metodi didattici
Il corso si basa principalmente su lezioni frontali. I pdf con le slides delle lezioni saranno condividi con gli studenti sulla pagina del Corso in Ariel.
Materiale di riferimento
I pdf con le slides del Corso saranno disponibili su Ariel.
I libri di testo consigliati sono:
- Bear, Connors, Paradiso. Neuroscience, Exploring the Brain. Wolters Kluwer.
- Spitzer. The mind within the net. Bradford books
- Koch and Segev. Methods in neuronal modelling. MIT press
I libri di testo consigliati sono:
- Bear, Connors, Paradiso. Neuroscience, Exploring the Brain. Wolters Kluwer.
- Spitzer. The mind within the net. Bradford books
- Koch and Segev. Methods in neuronal modelling. MIT press
Modalità di verifica dell’apprendimento e criteri di valutazione
Esame scritto che consiste in domande aperte (che contribuiscono per 2/3 al voto finale) e domande a risposta multipla (che contribuiscono per 1/3 al voto finale).
BIO/09 - FISIOLOGIA - CFU: 6
Lezioni: 48 ore
Docenti:
D'angelo Egidio Ugo, Mapelli Lisa