W naukach przyrodniczych pomiar ma znaczenie fundamentalne jako procedura weryfikuj\u0105ca teori\u0119. Z drugiej strony wyniki pomiaru s\u0105 zawsze interpretowane w ramach pewnej teorii. Wyst\u0119puje tu wi\u0119c swoiste sprz\u0119\u017cenie zwrotne. Dodatkowo spraw\u0119 komplikuje fakt, \u017ce teoria jest konstruktem formalnym cz\u0119sto, zw\u0142aszcza we wsp\u00f3\u0142czesnej fizyce, matematycznym, natomiast pomiar realizowany jest w \u015bwiecie przyrodniczym. Niezb\u0119dne s\u0105 wi\u0119c procedury pomostowe, \u0142\u0105cz\u0105ce teori\u0119 obejmuj\u0105c\u0105 modele zjawisk przyrodniczych i formalny aspekt procedur pomiarowych ze \u015bwiatem zjawisk przyrodniczych i operacjonistycznym aspektem pomiaru jako takiego [7], zob. te\u017c [4] i [1].<\/p>\n
Powy\u017csze uwagi dotycz\u0105 sytuacji, gdy mamy pe\u0142ne mo\u017cliwo\u015bci wykonania eksperymentu pomiarowego. Jak wida\u0107, nawet w takim przypadku sytuacja jest z\u0142o\u017cona. Tym wi\u0119ksze trudno\u015bci wyst\u0119puj\u0105, gdy mo\u017cliwo\u015bci wykonania eksperymentu pomiarowego nie istniej\u0105 lub s\u0105 istotnie ograniczone ze wzgl\u0119du na sam charakter badanej rzeczywisto\u015bci. Czynnikami ograniczaj\u0105cymi mo\u017cliwo\u015bci pomiarowe mog\u0105 by\u0107: niedost\u0119pno\u015b\u0107 badanych obiekt\u00f3w (np. astrofizyka), skala czasowa badanych proces\u00f3w (np. makroewolucja biologiczna), skala przestrzenna badanych proces\u00f3w i struktur (np. badanie proces\u00f3w wewn\u0105trz kom\u00f3rki biologicznej) czy te\u017c sam charakter badanych zjawisk, kt\u00f3re ze wzgl\u0119du na oddzia\u0142ywanie z aparatur\u0105 pomiarow\u0105 podlegaj\u0105 istotnym zmianom podczas pomiaru (np. zjawiska kwantowe). W wyspecyfikowanych przypadkach symulacja komputerowa mo\u017ce by\u0107 pomocnym narz\u0119dziem rozszerzaj\u0105cym mo\u017cliwo\u015bci epistemologiczne.<\/p>\n
Punktem wyj\u015bcia symulacji komputerowej jest formalny model badanych proces\u00f3w i struktur. Model zawsze jest uproszczony w stosunku do modelowanej rzeczywisto\u015bci i g\u0142\u00f3wnym wyzwaniem jest wyodr\u0119bnienie tych wszystkich aspekt\u00f3w rzeczywisto\u015bci, kt\u00f3re s\u0105 istotne z badawczego punktu widzenia. W celu dokonania komputerowych symulacji model musi by\u0107 wysoce sformalizowany, najlepiej mie\u0107 charakter matematyczny. Model zawiera pewn\u0105 liczb\u0119 parametr\u00f3w. Warto\u015bci cz\u0119\u015bci tych parametr\u00f3w s\u0105 znane z wynik\u00f3w wcze\u015bniejszych bada\u0144, natomiast nieznane warto\u015bci parametr\u00f3w nale\u017cy dopasowa\u0107 tak, aby wyniki symulacji by\u0142y zgodne z wynikami eksperyment\u00f3w.<\/p>\n
W neurofizjologii mo\u017cliwo\u015bci badania proces\u00f3w zachodz\u0105cych wewn\u0105trz neuronu s\u0105 ograniczone. Niew\u0105tpliwie jedn\u0105 z przyczyn jest wspomniana skala tych proces\u00f3w. Z drugiej strony, by\u0107 mo\u017ce, mamy tu sytuacj\u0119 analogiczn\u0105 ze zjawiskami kwantowymi, w kt\u00f3rych sam pomiar istotnie zak\u0142\u00f3ca badany proces [5]. St\u0105d konieczno\u015b\u0107 po\u015bredniego wnioskowania na temat warto\u015bci pewnych istotnych parametr\u00f3w charakteryzuj\u0105cych kom\u00f3rk\u0119 nerwow\u0105. Modelowanie proces\u00f3w wewn\u0105trzkom\u00f3rkowych w neuronie przy pomocy algorytm\u00f3w bazuj\u0105cych na r\u00f3wnaniach r\u00f3\u017cniczkowych cz\u0105stkowych pozwala na uchwycenie zar\u00f3wno przestrzennego jak te\u017c dynamicznego (czasowego) aspektu modelowanego procesu [2,3,6]. Takie podej\u015bcie pozwoli\u0142o, mi\u0119dzy innymi, na oszacowanie rz\u0119du wielko\u015bci wsp\u00f3\u0142czynnika dyfuzji w kolbce presynaptycznej [2].<\/p>\n
Literatura:<\/strong><\/p>\n 1. Bielecki A., Mierzalne i niemierzalne<\/em>, \u015awiat Nauki, vol.245, 2012, 82-83.<\/p>\n 2. Bielecki A., Gierdziewicz M., Kalita P., Three-dimensional simulation of presynaptic release and depression<\/em>, under review, 2016.<\/p>\n 3. Bielecki A., Kalita P., Lewandowski M., Siwek B., Numerical simulation for a neurotransmitter transport model in the axon terminal of a presynaptic neuron<\/em>, Biological Cybernetics, vol.102, 2010, 489-502.<\/p>\n 4. Heller M., Matematyczna a filozoficzna teoria miary<\/em>, Zagadnienia Filozoficzne w Nauce, vol.51, 2012, 152-154.<\/p>\n 5. Hillman H., Two problems with cell biology and what should be done about them<\/em>, Biologist, vol.57(1), 2010, 40-44.<\/p>\n 6. Knodel M.M., Geiger R., Ge L., Bucher D., Grillo A., Wittum G., Schuster C., Queisser G., Synaptic bouton properties are tuned to best fit the prevailing firing pattern<\/em>, 7. Olejnik R., Matematyczna teoria miary a metodologiczne analizy procedur pomiarowych<\/em>, BIBLOS, Tarn\u00f3w, 2011.<\/p>\n","protected":false},"excerpt":{"rendered":" W naukach przyrodniczych pomiar ma znaczenie fundamentalne jako procedura weryfikuj\u0105ca teori\u0119. Z drugiej strony wyniki pomiaru s\u0105 zawsze interpretowane w ramach pewnej teorii. Wyst\u0119puje tu wi\u0119c swoiste sprz\u0119\u017cenie zwrotne. Dodatkowo spraw\u0119 komplikuje fakt, \u017ce teoria jest konstruktem formalnym cz\u0119sto, zw\u0142aszcza … Czytaj dalej
\nFrontiers in Computational Neuroscience, vol.8, 2014, article 101.<\/p>\n