1. Develop a user-friendly web interface for visualizing Mozaik simulation results, based on Arkheia and updated to a contemporary tech stack for maintainability.
2. Prepare extensive documentation and testing to ensure the reliability and usability of the developed framework.
3. Expand current Arkheia functionality by incorporating additional data visualization and analysis features, enhancing the interpretation of simulation results.
Seznam odborné literatury
[1] Antolík, J., & Davison, A. P. (2013). Integrated workflows for spiking neuronal network simulations. Frontiers in Neuroinformatics, 7(December), 1–15. https://doi.org/10.3389/fninf.2013.00034
[2] Antolík, J., & Davison, A. P. (2018). Arkheia: Data Management and Communication for Open Computational Neuroscience. Frontiers in Neuroinformatics, 12, 6. https://doi.org/10.3389/fninf.2018.00006
Předběžná náplň práce
Simulace biologických neuronových sítí hrají klíčovou roli při prohlubování našeho porozumění zpracování informací v mozku. Mozaik [1] je softwarové prostředí pro spouštění rozsáhlé neuronové simulace. Tento projekt poskytuje nástroj pro interaktivní vizualizaci a porovnávání výsledků simulací na základě vizualizačního softwaru Arkheia [2]. Student bude zodpovědný za vývoj uživatelsky přívětivého webového rozhraní, aktualizaci pro kompatibilitu a udržovatelnost a rozšiřování funkcionality softwaru. Rozsáhlá dokumentace a rigorózní testování zajistí spolehlivost a použitelnost. Tento projekt přispívá k počítačové neurovědě rozšířením nástrojů pro neurální simulace.
Předběžná náplň práce v anglickém jazyce
Simulations of biological neural networks play a pivotal role in advancing our understanding of how the brain processes information. The Mozaik [1] framework is a an automated workflow for large-scale neural simulations. This project provides a tool for an interactive exploration and comparison of simulation results, based on the Arkheia [2] data visualization framework. The student will be responsible for developing a user-friendly web interface, updating the tech stack for compatibility and maintainability, and expanding the framework's capabilities. Extensive documentation and rigorous testing will ensure reliability and usability. This project contributes to computational neuroscience by advancing neural simulation tools.
