🧠

Нейронауки та Біофізика

Від нейронних мереж до мембранного транспорту — досліджуйте біофізику клітин, нейронів та фізіологічних систем інтерактивно.

8 симуляцій Canvas 2D · WebGL Використовує Зворотне поширення, Фіцх'ю-Нагумо, Монте-Карло

Симуляції Нейронаук

Відкрийте симуляцію — все працює прямо у вашому браузері, без встановлення

🧠
Популярна ★★☆ Середній
Нейронна мережа
Інтерактивний візуалізатор зворотного поширення. Побудуйте багатошаровий перцептрон, оберіть датасет, навчіть мережу та спостерігайте як ваги, зміщення та межа рішення еволюціонують у реальному часі.
Canvas 2D Бекпроп Перцептрон
❤️
★★★ Просунутий
Серцевий потенціал дії
Модель збудливого середовища Фіцх'ю-Нагумо на 2D сітці. Спостерігайте спіральні хвилі re-entry, пейсмейкерні фокуси та блоки провідності — електрофізіологію серцевих аритмій.
Canvas 2D Фіцх'ю-Нагумо Збудливе середовище
🔬
★☆☆ Початківець
Дифузія через мембрану
Пасивний, полегшений та активний транспорт через клітинну мембрану. Регулюйте концентрації, щільність каналів та доступність АТФ для підтримки клітинного гомеостазу.
Canvas 2D Клітинна біологія Транспорт
🧬
★★☆ Середній
Фолдинг білків
Фолдинг білків у HP-ґратковій моделі методом Монте-Карло. Спостерігайте як ланцюг гідрофобних (H) та полярних (P) залишків досліджує конформаційний простір у пошуку стану з найнижчою енергією.
Canvas 2D Монте-Карло HP-модель
🩸
★★☆ Середній
Кровообіг
Потік Пуазейля в циліндричній судині. Візуалізуйте профілі швидкості, напругу зсуву на стінці та об'ємну витрату. Ненюнтонівська модель Кассона для реалістичної в'язкості крові.
Canvas 2D Пуазейль Нав'є-Стокс
🌀
★★☆ Середній
Реакція-дифузія
Формування патернів Тюрінга за моделлю реакції-дифузії Грея-Скотта. Регулюйте швидкості подачі та знищення для створення плям, смуг, лабіринтних візерунків та солітонів.
Canvas 2D Грей-Скотт Патерни Тюрінга
🧠
Нове ★★☆ Середній
Мозкові Осциляції
Модель зв'язаних осциляторів Куромото (ЕЕГ) з чотирма частотними смугами: дельта (δ), тета (θ), альфа (α) та бета (β). Регулюйте пресет стану мозку та силу зв'язку, щоб спостерігати синхронізацію.
Canvas 2D Куромото ЕЕГ
🧠
Нове ★★★ Складний
Імпульсна Нейронна Мережа
Мережа 50 LIF-нейронів (40 збуджуючих + 10 гальмівних) зі STDP-пластичністю. Прокручуваний растерний графік, крива мембранного потенціалу та статистика частоти розрядів у реальному часі.
Canvas 2D LIF STDP Растер
Нове ★★★ Складно
Нейрон Ходжкіна–Хакслі
Провідністна модель потенціалу дії (Нобелівська премія 1963). Вводьте струм і спостерігайте, як гейтингові змінні m, h, n каналів Na⁺ та K⁺ формують спайк і рефрактерний період.
ОДУ Іонні канали Потенціал дії
🧠
Нове ★★ Середньо
Синаптична передача
Кальцієво-залежне вивільнення везикул, дифузія нейромедіатора через синаптичну щілину, зв'язування з рецепторами та генерація ЗБСП/ГБСП. Перемикайтесь між Глутаматом та ГАМК.
Синапс Нейромедіатор ЗБСП / ГБСП
🔄
Нове ★★☆ Середнє
Синхронізація Курамото
N зв'язаних фазових осциляторів з гауссівським розподілом власних частот. Змінюйте зв'язок K і спостерігайте, як параметр порядку r(t) стрибає від хаосу до повної синхронізації на порозі K_c = 2σ.
Зв'язані Осцилятори Параметр Порядку Фазовий Перехід

Про симуляції Нейронаук та Біофізики

Нейрони, мембрани, білки — механізми життя, візуалізовані

Симуляції нейронаук та біофізики переносять молекулярну та клітинну механіку життя в інтерактивний фокус. Від каскадних іонних каналів серцевого потенціалу дії до шляхів фолдингу білкового ланцюга — ці моделі дозволяють маніпулювати параметрами та спостерігати емерджентну біологічну поведінку в реальному часі.

Візуалізатор нейронної мережі реалізує повне навчання зворотним поширенням — спостерігайте як ваги коригуються при навчанні мережі класифікувати дані. Модель Фіцх'ю-Нагумо відтворює динаміку збудливої мембрани, що лежить в основі кожного серцебиття та нервового імпульсу, а мембранна дифузія демонструє як пасивний, полегшений та активний транспорт підтримують клітинний гомеостаз.

Ці симуляції з'єднують абстрактні рівняння з реальною біологією. Ті самі спрощення Нав'є-Стокса, що використовуються в моделі кровообігу, інформують реальне проектування медичних пристроїв, а методи Монте-Карло для фолдингу білків рухають сучасні пайплайни розробки ліків.

Ключові концепції

Теми та алгоритми, які ви дослідите у цій категорії

Зворотне поширенняГрадієнтний спуск для навчання багатошарових нейронних мереж
Фіцх'ю-НагумоСпрощена модель збудливої мембрани для потенціалів дії
Мембранний транспортПасивні, полегшені та активні механізми іонних каналів
Фолдинг білківHP-ґраткова модель з конформаційним пошуком Монте-Карло
Потік ПуазейляЛамінарний потік у циліндричних судинах під градієнтом тиску
Реакція-дифузіяФормування візерунків через взаємодію хімічних морфогенів

🧠 Перевір свої знання з нейронауки

П'ять швидких запитань для перевірки розуміння мозку та нервової системи

Вікторина з нейронауки

Часті запитання

Поширені запитання про цю категорію симуляцій

Як нейронна мережа навчається?
Мережа використовує зворотне поширення — обчислюючи градієнт функції втрат відносно кожної ваги через правило ланцюга, а потім оновлюючи ваги у напрямку зменшення помилки. Ви можете спостерігати як межа рішення еволюціонує при навчанні мережі на ваших даних.
Що таке модель Фіцх'ю-Нагумо?
Це двозмінне спрощення рівнянь Ходжкіна-Хакслі, що відтворює основну динаміку збудливих клітин — швидку змінну активації (аналог мембранного потенціалу) та повільну змінну відновлення. Модель генерує спайки, подібні до потенціалів дії, при стимуляції вище порогу.
Як симулюється кровообіг?
Симуляція використовує закон Пуазейля для ламінарного потоку в циліндричних судинах. Градієнт тиску, радіус судини та в'язкість крові (ненюнтонівська через модель Кассона) визначають швидкість потоку та напругу зсуву на стінці — та сама фізика, що використовується при плануванні судинних операцій.

Інші категорії