Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
|
|
Izbrani algoritmi, Napredna obdelava signalov. |
Vsebina
|
|
Uvod: teorija računanja, poglavitni principi klasičnega računanja, Turingov stroj.
Ocenjevanje parametrov in načrtovanje eksperimentov v nevroznanosti: teorija cenilk in ocenjevanje parametrov dinamičnih modelov biomedicinskih signalov, multivariantna analiza signalov, statistično učenje, Bayesovo sklepanje, parametrizacija in zmanjšanje razsežnosti biomedicinskih podatkov, teorija informacij.
Računalniška nevroznanost: predstavitev in obdelava informacije na nivoju posameznega nevrona, na nivoju majhnih mrež nevronov, stolpič neokorteksa - osnovna funkcijska enota možganov sesalcev, dekodiranje nevronskih signalov, praktični primer: projekt Blue Brain.
Hibridna nevroelektronika: nevronske mreže in mikroelektronska vezja, lastnosti membrane in nevrofizika nevronov, električni vmesniki med polprevodniki in živimi celicami, mreže nevronov na integriranih vezjih (povezave med nevroni in silikonskimi ploščicami in njihova integracija v čipe).
Uvod v nanoračunalnišvo: prednosti in slabosti nanotehnologije, karbonske nanocevke (rast nanocevi, njihovo ovrednotenje, izdelava elektrod in logičnih vezij), molekularna elektronika (sinteza organskih molekul, karakterizacija njihovih lastnosti in izdelava vezij), anorganske nanožice, elektronika verig atomov, napredno shranjevanje podatkov (kemijsko in optično shranjevanje), integracija nano--, mikro in makro-vezij in povezljivost z biosistemi, primeri aplikacij (kemični in biološki nanosenzorji, nano in mikrovezja za biosisteme).
Uvod v kvantno računalništvo: nanoračunalništvo in izzivi stohastičnega obnašanja nanostruktur, kvantna teorija računanja in kvantna teorija informacij, tipi kvantnega računanja, prednosti in slabosti kvantnega računanja, eksperimentalne in teoretične raziskave v kvantnem računalništvu, prihodnost kvantnih računalnikov. |
Temeljni literatura in viri
|
|
A. W. Toga, J. C. Mazziott: Brain Mapping: The Methods, Second Edition, Academic Press, 2002.
R. Kötter: Neuroscience Databases: A Practical Guide, Springer, 2002.
S. K. Shukla, R. I. Bahar: Nano, Quantum and Molecular Computing: Implications to High Level Design and Validation (Solid Mechanics and Its Applications), Springer, 2004.
J. B. Waldner: Nanocomputers and Swarm Intelligence, Wiley-ISTE, 2008.
N. D. Mermin: Quantum Computer Science: An Introduction, Cambridge University Press, 2007.
|
Cilji in kompetence
|
|
Predmet predstavi in povezuje tri alternative klasičnemu računalništvu: nevroelektroniko, nanoračunalništvo in kvantno računalništvo. |
Predvideni študijski rezultati - znanje in razumevanje
|
|
Po zaključku tega predmeta bo študent sposoben
- razumeti in reproducirati postopke za statistično učenje in izdavanje informacij iz živčnih signalov,
- razumeti in ovrednotiti nevroelektronska vezja in njihovo uporabnost na področju medicinske protetike, biosenzorike in nevroračunalništva,
- razumeti algoritme za nano in kvantno računalništvo, ovrednotiti njihovo praktično uporabnost in dojeti njihove prednosti in slabosti v primerjavi s klasičnimi algoritmi.
|
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
|
|
Spretnosti komuniciranja: ustni zagovor laboratorijskih vaj, priprava in javna predstavitev raziskovalnega projekta, sodelovanje na strokovnih konferencah, ustni izpit.
Uporaba informacijske tehnologije: uporaba programskih orodij in naprav za načrtovanje in razvoj izpopolnjenih postopkov za računalniško nevroznanost, nano in kvantno računalništvo.
Delo v skupini: skupinsko raziskovalno delo.
Reševanje problemov: načrtovanje in izvedba projekta.
|
Metode poučevanja in učenja
|
|
predavanja,
projekt,
laboratorijske vaje,
reševanje domačih nalog.
|