Inštitut za računalništvo
Laboratorij za sistemsko programsko opremo

Nosilec in predavatelj: doc. dr. Aleš Holobar
Asistent: doc. dr. Aleš Holobar
Obseg: 30 ur predavanj, 45 ur projektnega dela
ECTS: 6 točk

Obveznosti:
projektno delo, domače naloge in ustni izpit.

Vsebina

1. Uvod: teorija računanja, poglavitni principi klasičnega računanja, Turingov stroj.
2. Ocenjevanje parametrov in načrtovanje eksperimentov v nevroznanosti: teorija cenilk in ocenjevanje parametrov dinamičnih modelov biomedicinskih signalov, multivariantna analiza signalov, statistično učenje, Bayesovo sklepanje, parametrizacija in zmanjšanje razsežnosti biomedicinskih podatkov, teorija informacij.
3. Računalniška nevroznanost: predstavitev in obdelava informacije na nivoju posameznega nevrona, na nivoju majhnih mrež nevronov, stolpič neokorteksa - osnovna funkcijska enota možganov sesalcev, dekodiranje nevronskih signalov, praktični primer: projekt Blue Brain.
4. Hibridna nevroelektronika: nevronske mreže in mikroelektronska vezja, lastnosti membrane in nevrofizika nevronov, električni vmesniki med polprevodniki in živimi celicami, mreže nevronov na integriranih vezjih (povezave med nevroni in silikonskimi ploščicami in njihova integracija v čipe).
5. Uvod v nanoračunalnišvo: prednosti in slabosti nanotehnologije, karbonske nanocevke (rast nanocevi, njihovo ovrednotenje, izdelava elektrod in logičnih vezij), molekularna elektronika (sinteza organskih molekul, karakterizacija njihovih lastnosti in izdelava vezij), anorganske nanožice, elektronika verig atomov, napredno shranjevanje podatkov (kemijsko in optično shranjevanje), integracija nano--, mikro in makro-vezij in povezljivost z biosistemi, primeri aplikacij (kemični in biološki nanosenzorji, nano in mikrovezja za biosisteme).
6. Uvod v kvantno računalništvo: nanoračunalništvo in izzivi stohastičnega obnašanja nanostruktur, kvantna teorija računanja in kvantna teorija informacij, tipi kvantnega računanja, prednosti in slabosti kvantnega računanja, eksperimentalne in teoretične raziskave v kvantnem računalništvu, prihodnost kvantnih računalnikov.

Metode poučevanja in načini ocenjevanja
Predavanja so avditorna, projektno delo pa poteka na računalnikih v računalniških učilnicah. Študentje dobijo tudi domače naloge, s katerimi lahko utrjujejo spoznano snov še doma.
Študent opravi obveznosti pri predmetu, ko dobi najprej pozitivno oceno pri projektnem delu, nato pa še pri ustnem izpitu. Pozitivna ocena projekta je predpogoj za pristop k ustnemu izpitu oziroma za priznanje pozitivne ocene, dosežene pri preverjanjih znanj iz predavanj. V skupno oceno izpita se vštejejo tudi uspešno izdelane domače naloge, če jih študent opravi, saj niso obvezne.

Povezave:

• Režim izvajanja in ocenjevanja projektnega dela ter domačih nalog je podrobneje opisan na strani http://storm.uni-mb.si/predmeti/NNKR/2010/Rezim-vaje.pdf.
• Pogoji za pristop k izpitu in način ocenjevanja so opisani na strani http://storm.uni-mb.si/predmeti/NNKR/2010/Rezim-izpit.pdf.
• Pomembno je, da v akademskem okolju učitelji, asistenti in študentje dosledno spoštujejo pravila akademske poštenosti, ki jih najdete zbrana na strani http://storm.uni-mb.si/predmeti/AkademskaPostenost.pdf.
• Vsebina vaj in dodatna študijska gradiva so dostopna preko strežnika https://vaje.uni-mb.si.
• Akreditiran načrt predmeta

Predlagana študijska literatura:

1. A. W. Toga, J. C. Mazziott: Brain Mapping: The Methods, Second Edition, Academic Press, 2002.
2. R. Kötter: Neuroscience Databases: A Practical Guide, Springer, 2002.
3. S. K. Shukla, R. I. Bahar: Nano, Quantum and Molecular Computing: Implications to High Level Design and Validation (Solid Mechanics and Its Applications), Springer, 2004.
4. J. B. Waldner: Nanocomputers and Swarm Intelligence, Wiley-ISTE, 2008.
5. K. R. Castleman: Digital Image Processing, Prentice-Hall, 1996.
6. N. D. Mermin: Quantum Computer Science: An Introduction, Cambridge University Press, 2007.