Elektrik - Elektronik Mühendisliği Bölümü Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/202

Browse

Filters

2018 - 20202

Settings

COAR Access Rights: search.filters.coarAccessRights.open accessSubject: search.filters.subject.Hodgkin-Huxley neuron

Search Results

Now showing 1 - 2 of 2
  • Research Project
    Hodgkin-Huxley Nöronlarında Ani Yükseliş ve Fırlama Dinamiklerinin Kontrolü
    (TUBİTAK, 2018) Borisenok, Sergey
    Ani yükselen nöronları içeren ağlar, pek çok örüntü tanıma ve hesaplamalı nörobilim_x000D_ uygulamalarında önemli bir rol oynamaktadır. Modern deneysel bilim, biyolojik nöronların_x000D_ dinamiklerinin manipülasyonunda büyük bir ilerleme göstermektir. Fakat tek hücrenin ve_x000D_ kollektif ani yükseliş ve fırlama ile ilgili doğrusal olmayan davranışlarının kontrolünün_x000D_ matematiksel modellemesindeki teoretik algoritmaların geliştirilmesine ihtiyaç duymaktadır._x000D_ Projenin amacı, biyolojik nöronları modelleyen dört boyutlu dinamik sistemlerin ani yükseliş_x000D_ ve fırlama dinamiklerini dizayn etmek için etkili matematiksel kontrol algoritmaları_x000D_ geliştirmektir._x000D_ Bu amaç için, deneysel olarak en çok kabul edilen ve nöronların matematiksel modellemesi_x000D_ için gerçekçi olan dört boyutlu Hodgkin-Huxley (HH) doğrusal olmayan dinamik sistemi_x000D_ seçilmiştir. Membran aksiyon potansiyelleri sistem çıkışı olması rağmen, nöronal kümelerde_x000D_ dolaşan elektrik akımları kontrol sinyali olarak hizmet etmektir. HH modelindeki ani yükseliş_x000D_ rejimlerini tasarlamak ve sistemin dinamik davranışını üzerine yüklemek için, iki alternatif_x000D_ kontrol metodu kullanılır: hız gradyanı (HG) ve hedef çekicisi (HÇ) geribeslemeli kontrol. Son_x000D_ zamanlarda ispat ettiğimiz gibi, her iki metot dayankı-ve-yangın nöronların basitleştirilmiş iki_x000D_ boyutlu modellerinde dinamik davranışlarını kontrol etmek için yüksek verimlilik ve_x000D_ dayanıklılık göstermektedir._x000D_ Bu projede teorik kontrol algoritmasının HG ve HÇ iki farklı formu, Hodgkin-Huxley nöron_x000D_ ağının aksiyon potansiyelini izlemek için tasarlanmıştır. Metot, tek nöron üzerinde aktif_x000D_ kontrol uygulayarak, seçilmiş nöron kümesi düzeni (doğrusal ve halka şeklinde nöron zinciri)_x000D_ için isteğe bağlı aniyükseliş (spike), ani yükseliş dizisi (spike train) ve fırlama (burst)_x000D_ şekillerinin üretilmesine izin verir._x000D_ Projede geliştirilen algoritma küçük bir Hodgkin-Huxley nöron kümesi için epileptik yapıdaki_x000D_ toplu fırlamaları baskılamak için kullanılmaktadır._x000D_ Böylece, proje biyolojik nöronların matematiksel modelleri için uygulanan kontrol teorisinde_x000D_ uygun bir yer edinebilir ve Hodgkin - Huxley nöronal ağlarının temel küme yapılarındaki_x000D_ isteğe bağlı ani yükseliş veya fırlama rejiminin etkin nesili için özgün bir algoritma_x000D_ geliştirebilir.
  • Article
    Suppressing Epileptiform Dynamics in Small Hodgkin-Huxley Neuron Clusters via Target Repeller-Attractor Feedback
    (IOSR Journal of Mathematics (IOSR-JM), 2020) Sergey Borisenok
    Model: Quantum battery (QB) is a device that is capable to be charged efficiently and store the energy for a long period of time to be transferred to consumption centers. There are many different physical types of such devices and different charging schemes. Here we discuss the single-qubit based QB in the form of quantum oscillator in a Markovian bath environment. The charging of QB is performed via so-called 'coherent' control u(t) in the Hamiltonian and time dependent spectral density n(t) as an 'incoherent' control (number of excitations in the bath). Our goal is to drive the ergotropy of the stored qubit via the certain control algorithm. Methods: For the effective control we apply here Kolesnikov’s ‘target attractor’ (TA) feedback algorithm. In the frame of this approach we form an attractor set targeting the evolution of the basic characteristics of quantum battery. TA method makes the effective design of the control fields charging the battery; the corresponding control signals could be restored explicitly from the dynamical equations. Interestingly, the proposed algorithm applied to our single qubit model of QB has an analytical solution. Results and Discussion: As a result for the control goal, we obtain an exponentially converting behavior for driving the quantum battery ergotopic characteristics. Our algorithm can be extended to the multi-qubit model of QB (for the parallel or collective charging scheme). It could be applied also for different physical realizations of QBs: Dicke QB, spin QB, harmoniс oscillator QB; and for all working stages of the QB (charging, long time storage and the energy transfer to a consumption center or engine). Conclusion: Feedback algorithms, particularly in the form of target attractor approach, can be applied efficiently to control the set of fundamental characteristics of quantum batteries, including the ergotropy, charging power and others. The analytical study of the proposed model and its numerical simulations demonstrate the possibility to imply the developed mathematical algorithm experimentally for a single qubit system and the set of few qubits as well.