The coming decade of digital brain research - A vision for neuroscience at the intersection of technology and computing
Notice bibliographique
Résumé
Brain research has in recent years indisputably entered a new epoch, driven by substantial methodological advances and digitally enabled data integration and modeling at multiple scales – from molecules to the whole system. Major advances are emerging at the intersection of neuroscience with technology and computing. This new science of the brain integrates high-quality basic research, systematic data integration across multiple scales, a new culture of large-scale collaboration and translation into applications. A systematic approach, as pioneered in Europe's Human Brain Project (HBP), will be essential in meeting the pressing medical and technological challenges of the coming decade. The aims of this paper are To develop a concept for the coming decade of digital brain research To discuss it with the research community at large, with the aim of identifying points of convergence and common goals To provide a scientific framework for current and future development of EBRAINS To inform and engage stakeholders, funding organizations and research institutions regarding future digital brain research To identify and address key ethical and societal issues While we do not claim that there is a 'one size fits all' approach to addressing these aspects, we are convinced that discussions around the theme of digital brain research will help drive progress in the broader field of neuroscience. As the final version 5 has now been published, comments on this manuscript are now closed. We thank everyone who made a valuable contribution to this paper. This manuscript has been developed in a participatory process. The work has been initiated by the Science and Infrastructure Board of the Human Brain Project (HBP), and the entire research community was invited to contribute to shaping the vision by submitting comments. All submitted comments were considered and discussed. The final decision on whether edits or additions was made to each version of the manuscript based on an individual comment was made by the Science and Infrastructure Board (SIB) of the Human Brain Project (HBP). Supporters of the paper: Pietro Avanzini, Marc Beyer, Maria Del Vecchio, Jitka Annen, Maurizio Mattia, Steven Laureys, Rosanne Edelenbosch, Rafael Yuste, Jean-Pierre Changeux, Linda Richards, Hye Weon Jessica Kim, Chrysoula Samara, Luis Miguel González de la Garza, Nikoleta Petalidou, Vasudha Kulkarni, Cesar David Rincon, Isabella O'Shea, Munira Tamim Electricwala, Bernd Carsten Stahl, Bahar Hazal Yalcinkaya, Meysam Hashemi, Carola Sales Carbonell, Marcel Carrère, Anthony Randal McIntosh, Hiba Sheheitli, Abolfazl Ziaeemehr, Martin Breyton, Giovanna Ramos Queda, Anirudh NIhalani Vattikonda, Gyorgy Buzsaki, George Ogoh, William Knight, Torbjørn V Ness, Michiel van der Vlag, Marcello Massimini, Thomas Nowontny, Alex Upton, Yaseen Jakhura, Ahmet Nihat Simsek, Michael Hopkins, Addolorata Marasco, Shamim Patel, Jakub Fil, Diego Molinari, Susana Bueno, Lia Domide, Cosimo Lupo, Mu-ming Poo, George Paxinos, Huifang Wang.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,043 |
| Communication savante | 0,034 | 0,069 |
| Science ouverte | 0,003 | 0,018 |
| Intégrité de la recherche | 0,015 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».