나만의 개발 블로그

🙆‍♂️ 병렬 통신 NetCon으로 병렬 통신을 합니다. NetCon 소스들은 임계값 감지기 입니다. 막 전위 등 변수들을 모니터링하고 임계값에 도달하면 이벤트가 발동됩니다. like 시냅스? 시냅스전 뉴런 "PreCell"에 부착된 "NetCon"은 소스라고 표시된 위치에서 스파이크를 감지하고 시냅스 후 뉴런 "PostCell"에 부착된 시냅스 "타겟"에 이벤트를 전달합니다. gid=7인 시냅스 전 스파이크 소스 "PreCell"은 "호스트 2"에 있지만 대상은 "호스트 4"의 "PostCell"에 연결된 시냅스입니다. "PreCell"이 급증하면 소스가 "gid 7"인 "NetCons"가 이벤트를 대상에 전달할 수 있도록 메시지가 모든 호스트에 전달됩니다. 🙋‍♂️ 실습 시작 MPI라는 도구를 사용할..

🙆‍♂️소개 파트 B에서는 다중 compartmental 뉴런을 구축하고 다양한 그래프를 활용하여 보여주는 실습을 합니다. 여기서 수상돌기와 같은 추가 섹션을 만들고 연결하는 방법과 데이터를 동적 그래프인 공간에 표시하는 방법을 알아봅니다. 🙋‍♂️모델 만들기 - Build Model 먼저 soma 모델과 dendrite 모델을 만듭니다. soma = h.Section(name="soma") soma.L = 10 # µm soma.diam = 10 # µm soma.Ra = 100 soma.insert('pas') soma.g_pas = 1/10000 # 1/Rm - Rm ohm*cm^2 dend = h.Section(name="dend") dend.L = 500 # µm dend.diam = 1 # µ..

🙆‍♂️소개 단일 모델을 구성해보겠습니다. from __future__ import division from neuron import h from neuron import gui import matplotlib.pyplot as plt import numpy as np 앞으로 이 부분은 항상 import 합니다. 🙋‍♂️모델 만들기 - create model 처음 할 일은 soma section을 만드는 것입니다. 뉴런의 형태를 만드는 것이죠. 그냥 원통과 같습니다. 축삭돌기와 수상돌기를 제거한 뉴런을 만드는 것입니다. # create model soma = h.Section(name='soma') soma.L = 10 # the length of the soma soma.diam = 10 # the d..

🙆‍♂️material-ui's Icon npm install @mui/icons-material 먼저 터미널에서 material icons 설치합니다. import SvgIcon from "@mui/material/SvgIcon"; import { SvgIconComponent } from "@mui/icons-material"; SvgIcon을 import 시킵니다. https://mui.com/material-ui/material-icons/ Material Icons - Material UI 2,000+ ready-to-use React Material Icons from the official website. mui.com 위 URL에서 사용하고 싶은 Icon 찾습니다. import AbcIco..

GitHub를 사용해 보신 전제 하에 올리겠습니다. 먼저 GitHub repository를 만듭니다. Code를 들어가면 이 repository의 URL을 복사해서 VS Code로 갑니다. VS Code에서 왼쪽에 있는 세 번째 탭에 들어가보면 이런 모습이 나옵니다. 파일마다 변경된 내역을 보여줍니다. 저희가 해야할 것은 커밋입니다. 위에 커밋 메시지를 적고 커밋을 진행하면 됩니다. 커밋을 잘 맞췄다면 이제 터미널 창을 열어서 git remote add origin %복사한 저장소 주소% 을 작성해주시면 됩니다. 저는 이렇게 작성했고 이제 저장한 저장소에 push를 해줍니다. git push --set-upstream origin master 이렇게 올라간 모습입니다. 확인해보면 master branch..

🙆‍♂️props props를 활용하면 컴포넌트에 인자값을 넣어서 생성할 수 있습니다. import React from 'react'; import './App.css'; function App() { const nav = [ {id:1,title:"Hello"}, {id:2,title:"World"} ] return ( ); } function Header(){ return ( Web ) } function Nav(props){ const list=[ ] for(let i=0;i

🙆‍♂️ 일반 셀 클래스 작성 저번 게시물의 링 네트워크를 구성했던 것에서 유연한 변수를 사용하고 캡슐화를 사용하여 확장된 기능을 제공하는 링 네트워를 구성해보겠습니다. from neuron import h, gui from neuron.units import ms, mV h.load_file('stdrun.hoc') 사전 참조를 해주고 class Cell: def __init__(self, gid, x, y, z, theta): self._gid = gid self._setup_morphology() self.all = self.soma.wholetree() self._setup_biophysics() self.x = self.y = self.z = 0 h.define_shape() self._rota..

🙆‍♂️ 세포 작동여부 확인 아직 자극은 주지 않았지만 만든 cell이 작동하는지 확인해보겠습니다. recording_cell = my_cells[0] soma_v = h.Vector().record(recording_cell.soma(0.5)._ref_v) dend_v = h.Vector().record(recording_cell.dend(0.5)._ref_v) t = h.Vector().record(h._ref_t) 기록하고 h.finitialize(-65) h.continuerun(25) 값 지정해주고 %matplotlib inline import matplotlib.pyplot as plt plt.plot(t, soma_v, label='soma(0.5)') plt.plot(t, dend_v, l..

🙆‍♂️ 일반 cell과 고유 cell class 나누기 from neuron import h, gui from neuron.units import ms, mV h.load_file('stdrun.hoc') 먼저 라이브러리들을 import 합니다. class Cell: def __init__(self, gid): self._gid = gid self._setup_morphology() self.all = self.soma.wholetree() self._setup_biophysics() def __repr__(self): return '{}[{}]'.format(self.name, self._gid) 일반 cell의 class는 이렇구 class BallAndStick(Cell): name = 'Ball..

🙆‍♂️ 전류 진폭의 역할 - Role of current amplitude(amp) 전류 진폭의 차이를 확인하기 위해서 for문을 통해 값과 색을 변경하여 그래프를 확인해보겠습니다. from bokeh.io import output_notebook import bokeh.plotting as plt output_notebook() f = plt.figure(x_axis_label='t (ms)', y_axis_label='v (mV)') amps = [0.075 * i for i in range(1, 5)] colors = ['green', 'blue', 'red', 'black'] for amp, color in zip(amps, colors): stim.amp = amp h.finitialize(-..