Kortikal Sütun → Konektom & Öğrenen VM v5.5 Bütüncül Nöromimari
1.5M GPU Sütunu · Klinik Vakalar & Passthrough · 2.5B Sütun Zinciri & Sütun İçi Bağlı Nöron Devreleri · 40×30 Nöral PCB · 5 Adımlı Graf & Öğrenen VM
Simülasyon yükleniyor...
Sensör
V1
IT/CA3
🔬 KONEKTOM ODAK: NÖRONAL POPÜLASYON, TETA-GAMA PAC & ΔS ANALİZİ
Yatay kaydırılabilir · Canlı osiloskop
🧠 KANONİK MİKRO-MAKRO DÖNGÜ (3B İZOLASYON)
L1–L6 Sütun Yaması · TRN Kabuk · CA3/DG
👁 DUYUSAL GİRDİ (GÖZ → LGN → V1 → IT/CA3)
6 farklı kedi ve 6 farklı top. Gürültü artsa da IT kategorisi ve CA3 geri beslemesi ile V1'de orijinal şekil rekonstrükte edilir; L6 kazanç kontrolü gürültüyü böler.
✋ FAZ KİLİDİ, VETO, PASSTHROUGH & ÇELİŞKİ
Passthrough-1: A1 ritmi PFC'yi atlayarak doğrudan M1'e geçer (DMA). Çelişki: Talamus kilitlenir, PFC teta-gama slotlarında önermeleri tek tek eler.
🧩 DEVRE DERLEME & KLİNİK VAKA SİMÜLATÖRÜ
Derlenmemiş devre PFC'de emüle edilir; NREM uykusunda SWR (20×) ve PV⁺ kalkanıyla donanıma derlenir.
⚙ KONEKTOM ÖLÇEĞİ & MİKROSKOP KÖPRÜSÜ
🧩 2.1 & 2.4 Makro Kortikal Sütun Ağı (8×6 = 48 Laminar Sütun) & Gürültü Kalkanı Adım 1/5
Çıktı: ...
S[n] = 0.00
2.5B Laminar Kortikal Sütunlar (Sütuna tıklayın → İçindeki nöron devresini görün!) 1 Sütun = Alt-Fonksiyon · Zincir = Fonksiyon
Gürültü Çıkınca Kolonlar Ne Yapar? (Ham vs Derlenmiş 4-Katmanlı Savunma)
🧬 2.3 Sütun İçi Mikro-Mimari: Bağlı Nöronlar Nasıl Alt-Fonksiyon Devresi Olur? Sütun #9
Seçili Sütunun İçindeki Bağlı Nöron Devresi (L1–L6 · ~10.000 Nöron Temsili)Stellate · Piramidal · PV⁺ · L5 BAC · L6
Kanonik L1–L6 Sütun Dinamikleri & Tüm Matematiksel Değişkenler
⚡ 2.2 Nöronlarda Mantık Kapıları: AND, XOR, OR, NOT/VETO & Teta-Gama PAC Dendritik İyon Hesaplaması
Nöron Morfolojisi, Dendritik İyon Akımları & Vm(t) Osiloskobu
Giriş Sinyalleri, Doğruluk Tablosu & Görevdeki Rolü
🔌 2.4 40×30 (1.200 Nöron) Canlı PCB Devre İnşası: F(X(n))(a,b) = Toplama(a,b) & SWR Budama F₁ vs F₂ → Saf Donanım
X(n) ∈ [0,1]⁴⁰ˣ³⁰ Nöral PCB Devresi (Canlı Sinyal Akışı & Nöron Rolleri) Gün: 1
Girdi 1:
+ Girdi 2:
Çıktı: ?
📊 Öğrenme & SWR(Lₙ) Denklemleri (Canlı Parametre Motoru)Öğrenme = 0.00
Öğrenme = (((Y · Fs / Za) − Ki) · HD)TF
Tagging = ΔF1−2 = ||F1 − F2|| = Ln (F1: İçsel Sim · F2: Öğretmen)
SWR(Ln) = ∑ (((Lt-1 ⊙ Lt) YDOT1 (Xpv+ · Wpv+)) · Tag)DA
Tagging = ΔF1−2 = ||F1 − F2|| = Ln (F1: İçsel Sim · F2: Öğretmen)
SWR(Ln) = ∑ (((Lt-1 ⊙ Lt) YDOT1 (Xpv+ · Wpv+)) · Tag)DA
🕸 3.1 İçsel Graf Modeli: 5 Adımlı Temsiliyet & 6. Adım (Δ Matris → Operators → Bytecode) Canlı Vektörizasyon
1. Anlam Matrisi · 2. İd Atama · Δ Matris Değişimi11×9
3. Sırala · 4. Yönlü Graf · 5. Sıkıştırma · 6. Yön/Değişim (Δn, ΔX)Sıkıştırma: %82
🧭 3.2 Anlamsal Uzay, CA3 Döngüsel Devreler, Odak & Temsiliyet / His Motoru Resim 1, 6, 7
İçsel Anlamsal Uzay, Talamus Odağı, CA3 → Neokorteks Döngüsü & His Motoru
Fonksiyon Çağırma (MFₙ), Seçme (Temp) & Odak = (T_F · A) / U
🤖 3.3 "2. Yol" Öğrenen VM: Alt-Fonksiyonel Programlama, Guided Learning & Genelleştirme Tur: 0
Merkezi VM · Hafıza Bölgesi · Not Bölgesi (Scratchpad) · Öğrenme Bölgesi Durum: Merak / Keşif
Görülmemiş İfade Testi: