Computational models in the age of large datasets

پیشرفت های تکنولوژیکی در علوم اعصاب تجربی تولید مقادیر زیادی از داده ها، از پویایی مولکول های تک به ساختار و الگوهای فعالیت شبکه های بزرگ از نورون. چگونه می توانیم اطلاعات این حجم زیاد، پیچیده، متفاوت و اغلب ناقص را درک کنیم؟ چگونه می توانیم اصول کلی را در مورچه ای از جزئیات پیدا کنیم؟ مدل های محاسباتی ارزشمند و ضروری در این وظیفه و عملکرد بینش هستند که در غیر این صورت نمی توانند به دست آورد. با این حال، ساخت و تفسیر مدل های محاسباتی خوب یک چالش قابل توجه است، به خصوص در دوران مجموعه های بزرگ. مدل سازی دقیق مدل ها به داده های تجربی دشوار است و اغلب مستلزم اجتناب ناپذیری است، در حالی که مدل های مفهومی که به بررسی فرضیه های گسترده و اصول می پردازد، می تواند بینش های مفیدی را به ارمغان بیاورد.