애니마트랩

AnimatLab
애니마트랩
개발자데이비드 W. 코퍼, 게나디 심발류크, 제임스 리드, 잉 주, 윌리엄 J. 하이틀러와 도널드 H. 에드워즈
안정적 해제
2.1.5 / 2016년 10월 5일;[1] 5년 전(2016-10-05)
기록 위치C++, VB.네트
운영 체제창문들
유형신경병리학
웹사이트www.animatlab.com

애니매트랩은 저자가 생체역학 모델과 이를 제어하는 신경망을 쉽게 구축해 실험해 행동을 만들어낼 수 있는 오픈소스[citation needed] 신경기계 시뮬레이션 툴이다. 사용자들은 다양한 수준의 세밀한 신경 모델, 삼각형 메쉬의 3D 기계 모델을 만들 수 있으며 근육, 모터, 수용성 장, 스트레치 센서, 그리고 다른 변환기를 사용하여 두 시스템을 연결할 수 있다. 다양한 자극이 적용되고 데이터가 기록되는 실험을 진행할 수 있어 계산 신경과학에 유용한 도구가 된다. 이 소프트웨어는 생체모방 로봇 시스템을 모델링하는 데 사용될 수도 있다.

동기

신경기계적 시뮬레이션은 연구원들이 실험만으로 어렵거나 불가능한 방법으로 뇌, 신체, 세계 사이의 역동적인 관계를 탐구할 수 있게 한다. 이것은 행동을 조절하는 신경망의 생물학적으로 현실적인 모델을 만드는 동시에 동물이 있는 환경을 조절하는 물리학을 시뮬레이션함으로써 이루어진다. 시뮬레이션된 세계와의 상호작용은 감각 시스템의 모델을 사용하여 가상 신경계에 다시 공급될 수 있다. 이것은 실제 동물이 마주칠 것과 유사한 피드백을 제공하며, 감각-운동 피드백 루프를 닫아 신경 기능과 행동 사이의 동적 관계를 연구할 수 있게 한다. 이 관계는 신경계가 어떻게 작동하는지 이해하는 데 중요하다.[2]

역사

신청서는 NSF 보조금 #0641326에 따라 조지아 주립대학에서 처음 개발되었다.[3] AnimatLab 버전 1은 2010년에 출시되었다. 어플리케이션에 대한 작업이 계속되고 있으며 2013년 6월에 새로운 개선된 두 번째 버전이 출시되었다.

기능

AnimatLab은 이용 가능한 모델의 종류에 따라 다양한 수준의 세부사항의 모델을 개발할 수 있도록 한다. 뉴런은 단순한 발화율 모델, 적분 및 화재 모델, 또는 호지킨(Hodgkin-)일 수 있다.헉슬리 모델들. 다른 뉴런 모델용 플러그인은 쓰고 사용할 수 있다. 힐 타입의 근육, 모터 또는 서보는 관절의 작동에 사용될 수 있다. 뉴런과 액츄에이터 사이의 어댑터는 힘을 발생시키기 위해 사용된다. 기계적 구성 요소(관절, 신체 부위, 근육 등) 사이의 어댑터는 제어 시스템에 피드백을 제공한다. 전압 클램프, 전류 클램프, 속도 클램프(이음부의 경우)와 같은 자극을 설계 실험에 추가할 수 있다. 데이터는 시스템의 거의 모든 구성 요소에서 기록될 수 있으며, 그래프로 보거나 쉼표로 구분된 값 파일로 내보낼 수 있어 분석이 용이하다. 또한 사용자 인터페이스는 전체적으로 그래픽화되어 초보자도 쉽게 사용할 수 있다.

신경 모델링

다양한 생물학적 뉴런 모델을 사용할 수 있다. 호지킨-헉슬리 모델, 싱글 및 멀티 컴파트먼트 통합 및 화재 모델, 다양한 추상화 발화 속도 모델이 제공된다.[4] 이것은 모형의 목적과 그 복잡성이 어떤 신경 행동의 특징을 시뮬레이션하는 것이 중요한지를 결정하기 때문에 귀중한 특징이다.[5]

네트워크 구조는 그래픽으로 되어 있는데, 뉴런이 끌려서 네트워크 안으로 떨어지고 그 사이에 시냅스가 그려진다. 시냅스를 그릴 때 사용자는 사용할 유형을 지정한다. 전기 시냅스뿐만 아니라 스파이킹 및 비픽킹 화학 시냅스도 사용할 수 있다. 단기(촉진) 학습 메커니즘과 장기(헤비안) 학습 메커니즘을 모두 사용할 수 있어 구성된 신경 시스템의 기능이 크게 증가한다.

강체 차체 모델링

차체 세그먼트는 균일한 질량 밀도의 삼각형 메쉬로 그려진 강체 차체로 모델링.[4] 메쉬는 원시형(큐브, 타원체, 콘 등) 집합에서 선택하거나 마야나 블렌더와 같은 제3자 소프트웨어에서 가져올 수 있다. 물리학은 보텍스 엔진으로 시뮬레이션된다. 사용자는 강체 본체에 대해 별도의 충돌과 그래픽 매쉬를 지정할 수 있어 시뮬레이션 시간을 크게 단축할 수 있다. 또한 재료 특성 및 재료 간 상호작용을 지정할 수 있어 시뮬레이션 내에서 서로 다른 복원력, 마찰 계수 등이 가능하다.

근육 모델링

샤드메어와 와이즈에[6] 따라 변형된 힐형 근육 모델을 작동에 사용할 수 있다. 근육은 운동 뉴런과 근육 사이에 전압장력 어댑터를 배치하여 조절된다. 근육은 또한 뻣뻣함과 댐핑 특성뿐만 아니라 그들의 행동을 지배하는 길이-긴장 관계를 가지고 있다. 근육은 기계 시뮬레이션에서 근육 부착체에 작용하도록 배치될 수 있으며, 그 다음 근육 긴장력을 시뮬레이션에서 다른 신체에 적용할 수 있다.

감각 모델링

근육 활성화에 전압 텐션 어댑터가 사용되는 방식과 마찬가지로 경직된 신체 측정을 신경 활동으로 변환하기 위해 어댑터를 배치할 수 있다. 이것들은 관절 각도나 속도, 경직된 신체 힘이나 가속력, 또는 행동 상태(예: 굶주림)일 수 있다.

이러한 스칼라 입력 이외에도 경직체에 접촉 필드를 지정할 수 있으며, 이는 시스템에 압력 피드백을 제공한다. 이 기능은 피부 같은 감지 및 보행 구조의 다리 하중을 감지하는 데 사용되어 왔다.[7]

자극형

자극은 실험을 위한 시뮬레이션에서 기계와 신경 물체에 적용될 수 있다. 여기에는 전류 클램프와 전압 클램프, 강성 차체 사이의 이음매에 대한 속도 클램프가 포함된다.

그래프 유형

데이터는 선 그래프와 2차원 표면의 형태로 출력될 수 있다. 선 그래프는 신체와 근육의 역학뿐만 아니라 신경과 시냅스 출력을 포함한 대부분의 데이터 유형에 유용하다. 표면도는 접촉 필드에서 활성화하는 데 유용하다. 이 두 가지 모두 콤마로 구분된 값 파일로 출력할 수 있어 사용자가 정량적 분석에 매트랩이나 엑셀 같은 다른 소프트웨어를 사용할 수 있다.

AnimatLab을 사용하여 수행된 연구

많은 학술 프로젝트들이 신경기계적 모델을 만들고 행동을 탐구하기 위해 애니마트랩을 사용해 왔다. 여기에는 다음이 포함된다.

  • 젖은 고양이[8][9] 발 떨림
  • 메뚜기 점프와 비행 통제
  • 가재걸음[13]
  • 바퀴벌레가 왔다갔다[7]

참조

  1. ^ "AnimatLab > Download". animatlab.com. Retrieved 2021-03-25.
  2. ^ Chiel, H. J.; Beer, R. D. (1997). "The brain has a body: adaptive behavior emerges from interactions of nervous system, body and environment". Trends in Neurosciences. 20 (12): 553–7. doi:10.1016/s0166-2236(97)01149-1. PMID 9416664.
  3. ^ 국립과학재단상
  4. ^ a b c Cofer, D. W.; Cymbalyuk, G.; Reid, J.; Zhu, Y.; Heitler, W.; Edwards, D.H. (2010). "AnimatLab: A 3-D graphics environment for neuromechanical simulations". Journal of Neuroscience Methods. 187 (2): 280–288. doi:10.1016/j.jneumeth.2010.01.005. PMID 20074588.
  5. ^ Izhikevich, E. M. (2004). "Which model to use for cortical spiking neurons?" (PDF). IEEE Transactions on Neural Networks. 15 (5): 1063–70. doi:10.1109/TNN.2004.832719.
  6. ^ 샤드메어 R, 와이즈 S. 도달과 점의 계산 신경 생물학: 운동 학습의 기초. 메사추세츠주 케임브리지: MIT 프레스; 2005.
  7. ^ a b 스츠친스키, N. S. 곤충 발판을 본떠 만든 다리가 달린 로봇에 대해 신경동형 제어장치를 대량으로 배포했다. 석사 논문. 케이스 웨스턴 리저브 대학교, 2013.
  8. ^ Klishko A, Cofer D. W. Edwards D. H, 프릴루츠키 B. 고양이 발 떨림 중 극히 높은 발굽 가속도: 컴퓨터 시뮬레이션에 의해 드러난 메커니즘. Abstram 체육회의 A38.00007; 2008a.
  9. ^ Klishko A, Prilutsky B, Cofer D. W, 심발육 G, Edwards D. H. Cat paw shake에서 CPG, 척추 반사작용 및 후두엽 성질의 상호작용: 컴퓨터 시뮬레이션 연구. 신경과학 모임 기획자 온라인 프로그램 375.12번 신경과학을 위한 사회; 2008b.
  10. ^ 코퍼, D. W. (2009) 메뚜기 점프의 신경기계학적 분석(박사 논문). 디지털 아카이브 데이터베이스에서 사용 가능. (제1056조)
  11. ^ Cofer, D. W.; Cymbalyuk, G.; Heitler, W. J.; Edwards, D.H. "Neuromechanical simulation of the locust jump". J Exp Biol. 2010 (213): 1060–1068.
  12. ^ Cofer, D. W.; Cymbalyuk, G.; Heitler, W. J.; Edwards, D. H. (2010). "Control of tumbling during the locust jump". J Exp Biol. 213 (19): 3378–87. doi:10.1242/jeb.046367. PMC 2936971. PMID 20833932.
  13. ^ 다리 사이의 중앙 연결부가 없는 상태에서 다리로 걷는 동안 Rinehart M. D. Belanger J. H. 생물학적으로 현실적인 사지 조정. in: Society for Neurocience 연차총회; 2009.

외부 링크