🧠
Inicializando neuronas...
Simulación activa

Neural Brain
3D

Motor de aprendizaje sináptico y razonamiento basado en neurociencia computacional. Sin IA — solo potenciales de acción, plasticidad Hebbiana y sinapsis.

Sensorial Visual Auditiva Asociativa Hipocampo Prefrontal Temporal Motora
ND.J Desarrollado por ndjota.io
Neuronas
~430
Zonas cerebrales
8
Vías neurales
15
Features
64
🧠

Simulador 3D

Visualización en tiempo real del cerebro neuronal. Enseñale conceptos con imágenes y observá cómo aprende.

InteractivoTiempo real
📄

Marco Teórico

Fundamentos de neurociencia computacional: plasticidad Hebbiana, STDP, codificación distribuida.

DocumentaciónPublicación

Aprendizaje Hebbiano

"Las neuronas que disparan juntas, se conectan juntas." Plasticidad sináptica local sin backpropagation.

Hebb 1949
🔬

Sin IA

No hay redes neuronales artificiales, ni descenso de gradiente. Solo potenciales de acción, sinapsis y spikes.

Biológico

📄 Marco Teórico

Fundamentos de neurociencia computacional que sustentan Neural Brain 3D.

1. Modelo Neuronal

El sistema implementa un modelo de integración y disparo (integrate-and-fire), simplificación del modelo de Hodgkin-Huxley (1952). Cada neurona mantiene un potencial de membrana que se incrementa al recibir estímulos sinápticos y decae exponencialmente. Cuando el potencial alcanza el umbral (0.55), la neurona genera un spike y entra en período refractario de 12 ticks.

El 18% de las neuronas son inhibitorias (pesos negativos), replicando la proporción de interneuronas GABAérgicas en la corteza. Cada neurona posee un vector de selectividad de 64 dimensiones que determina su respuesta preferencial a distintos patrones.

2. Plasticidad Sináptica

Plasticidad Hebbiana (Hebb, 1949): Cuando una neurona presináptica dispara y la postsináptica tiene potencial superior al 40% del umbral, el peso sináptico se incrementa. Durante el aprendizaje activo, la plasticidad se cuadruplica temporalmente (0.06 vs 0.015) para acelerar la formación de ensambles neuronales.

STDP (Bi & Poo, 1998): La plasticidad dependiente del tiempo de disparo refina la regla Hebbiana incorporando la dimensión temporal del orden de los spikes pre y postsinápticos.

3. Codificación de Patrones

Imágenes: Submuestreo 8×8 (64 features), calculando luminancia promedio por bloque. Análogo a campos receptivos de células simples en V1.

Texto: Codificación multi-nivel en 64 dimensiones — frecuencia de caracteres, bigramas, trigramas, hashing de palabras con sales independientes, y hash de cadena completa. Los trigramas y múltiples hashes proporcionan alta discriminación entre palabras cortas.

4. Arquitectura Zonal

8 zonas funcionales con conectividad específica replican la organización modular del cerebro humano. La vía ventral (visual → asociativa) refleja la ruta "what" del procesamiento visual. La consolidación (hipocampo → temporal) replica la transferencia de memoria episódica a semántica.

5. Recuperación (Recall)

La recuperación utiliza similitud coseno real (producto punto normalizado por magnitudes) para comparar la consulta contra memorias almacenadas. Para consultas textuales, el gate primario es la similitud entre encodings de etiquetas (umbral: 0.78). Para consultas visuales se combinan: similitud de features (55%), overlap de firma neuronal (25%) y similitud de etiqueta (20%).

6. Referencias

[1] Hebb, D.O. (1949). The Organization of Behavior. Wiley.
[2] Bi, G. & Poo, M. (1998). Synaptic Modifications in Cultured Hippocampal Neurons. J. Neuroscience, 18(24).
[3] Hodgkin, A.L. & Huxley, A.F. (1952). A quantitative description of membrane current. J. Physiology, 117(4).
[4] Kandel, E.R. (2001). The Molecular Biology of Memory Storage. Science, 294(5544).
[5] O'Keefe, J. & Nadel, L. (1978). The Hippocampus as a Cognitive Map. Oxford University Press.
[6] Felleman, D.J. & Van Essen, D.C. (1991). Distributed Hierarchical Processing. Cerebral Cortex, 1(1).
[7] Markram, H. et al. (2015). Reconstruction and Simulation of Neocortical Microcircuitry. Cell, 163(2).