Eric L. Schwartz (1947 – 31 de diciembre de 2018) [1] fue profesor de Sistemas Cognitivos y Neuronales, [2] profesor de Ingeniería Eléctrica e Informática , [3] y profesor de Anatomía y Neurobiología [4] en la Universidad de Boston . Anteriormente, fue profesor asociado de Psiquiatría en el Centro Médico de la Universidad de Nueva York y profesor asociado de Ciencias de la Computación en el Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York.
Introdujo el término "neurociencia computacional" mediante la organización de una conferencia con ese título que tuvo lugar en Carmel, California, en 1985, bajo el patrocinio de la Fundación para el Desarrollo de Sistemas. Alentada por el director del programa Charles Smith, esta conferencia, cuyas actas fueron publicadas posteriormente por MIT Press (1990), proporcionó un resumen de los avances en los campos relacionados que hasta entonces se denominaban redes neuronales, modelado neuronal, teoría del cerebro, neurociencia teórica y una variedad de otros términos. Al organizar estos campos según las dimensiones de la medición espacial y temporal, la conferencia, y su posterior publicación en forma de libro, introdujeron el uso del término "neurociencia computacional". En las décadas posteriores, docenas de departamentos y programas universitarios adoptaron este título general.
A finales de los años 1980, Schwartz fundó Computational Neurosciences Labs, con el apoyo de la Systems Development Foundation, y luego Vision Applications, Inc. en 1990, con el apoyo de la Defense Advanced Research Projects Agency (DARPA), con el propósito de desarrollar actuadores, sensores y algoritmos para sistemas de visión variantes espaciales miniaturizados. Las patentes desarrolladas en Vision Applications incluyeron un novedoso motor accionado esféricamente [1] Archivado el 26 de julio de 2010 en Wayback Machine , un prototipo de sensor log-plar CMOS VLSI [2] Archivado el 26 de julio de 2010 en Wayback Machine y algoritmos para la síntesis en tiempo real de imágenes variantes espaciales [3] Archivado el 25 de julio de 2008 en Wayback Machine .
Este trabajo culminó con la construcción de un vehículo autónomo en miniatura que fue el primer vehículo en circular, sin asistencia humana, por las calles de Boston (1992) [4] Archivado el 2 de julio de 2007 en Wayback Machine .
Eric Schwartz nació en la ciudad de Nueva York en 1947, hijo de Jack y Edith Schwartz. Asistió a la Bronx High School of Science, al Columbia College (especializándose en química y física), donde fue miembro del equipo de esgrima de los Columbia Lions (sable) que ganó el campeonato de la Ivy League, la ECAC y la NCAA en 1965 [5] , y a la Universidad de Columbia (doctorado en física de altas energías, patrocinado por J. Steinberger [22]).
Tras finalizar sus estudios de física, se incorporó al laboratorio de E. Roy John como investigador postdoctoral en neurofisiología y, junto con el laboratorio de John, se trasladó a la Universidad de Nueva York como profesor asociado de investigación de psiquiatría en 1979. En 1990 fue ascendido a profesor asociado de psiquiatría y ciencias de la computación. En 1992 se trasladó a la Universidad de Boston para ocupar los puestos de profesor de sistemas cognitivos y neuronales, ingeniería eléctrica e informática y anatomía y neurobiología. Vivió en Brookline (Massachusetts) con su esposa Helen y su hija Anna Molly.
Aunque se sabe desde principios de siglo que la imagen visual registrada por la retina se transmite a la corteza visual en forma de un patrón bidimensional ordenado de activación neuronal (visuotopía, mapeo topográfico, retinotopía), la primera descripción matemática bidimensional de este mapeo en primates fue proporcionada por Schwartz en 1976 [5] Archivado 2006-09-09 en Wayback Machine y 1977 [6] Archivado 2006-09-08 en Wayback Machine , y junto con sus colaboradores Al Wolf y Dave Christman proporcionó la primera visualización directa de la retinotopía cortical humana a través de tomografía de positrones [7] Archivado 2006-09-09 en Wayback Machine .
Estos artículos teóricos demostraron que el mapeo logarítmico complejo, el mapeo log-polar o el mapeo monopolar, era una buena aproximación a la retinotopía de la corteza visual del mono, y luego se amplió para incluir una segunda singularidad logarítmica para representar la representación visual periférica, el modelo dipolar [8] Archivado 2013-07-21 en Wayback Machine. Esta descripción, que es el modelo estándar de facto actual para la arquitectura funcional a gran escala de la corteza visual, se amplió recientemente (2002-2006), con los estudiantes de posgrado Mukund Balasubramanian y Jonathan Polimeni, para describir múltiples áreas de la corteza visual humana y del mono: el mapeo dipolar de cuña [9] Archivado 2008-07-25 en Wayback Machine . [10] Archivado 2008-07-25 en Wayback Machine . Este modelo ha sido verificado para la corteza visual humana [11] [ permanent dead link ] , junto con Jon Polimeni, Oliver Hinds, Mukund Balasubramanian y sus colegas Bruce Fischl y Larry Wald, utilizando imágenes de resonancia magnética funcional de alta resolución, estableciendo el modelo de cuña-dipolo como uno de los pocos modelos matemáticos de estructura neuroantómica con una verificación experimental detallada.
Un aspecto crítico de este trabajo fue el desarrollo de métodos de aplanamiento cerebral. El primer método completamente preciso de aplanamiento cortical fue desarrollado por Schwartz en 1986, basado en el cálculo de distancias geodésicas mínimas exactas en una malla poliédrica que representa la superficie cortical [12] [ enlace muerto permanente ] [13] Archivado 2006-09-08 en Wayback Machine , junto con escalamiento multidimensional métrico [14] Archivado 2006-09-05 en Wayback Machine . Las variantes de este algoritmo, especialmente las mejoras recientes aportadas en el trabajo de tesis de Mukund Balasubramanian (ver [15] Archivado 2010-07-28 en Wayback Machine ) subyacen a la mayoría de los enfoques cuantitativamente precisos actuales para el aplanamiento cortical.
En 1977, Schwartz señaló que el modelo de hipercolumna de Hubel y Weisel implicaba la existencia de un patrón periódico de singularidades de orientación en forma de vórtice a lo largo de la superficie de la corteza visual. Específicamente, la parte angular de la función logarítmica compleja, vista como un mapa espacial, proporcionó una posible explicación de la estructura de hipercolumna, que en el lenguaje actual se denomina la estructura de "rueda dentada" de la corteza visual [16] Archivado el 9 de septiembre de 2006 en Wayback Machine . En 1990, junto con Alan Rojer, Schwartz demostró que tales estructuras de "vórtice" o "rueda dentada", junto con el patrón de columna de dominancia ocular asociado en la corteza, podrían ser causadas por el filtrado espacial de ruido espacial escalar o vectorial aleatorio, respectivamente. Antes de este trabajo, la mayoría de los modelos de columnas corticales se realizaban en términos de modelos de "redes neuronales" algo opacos y torpes: el ruido filtrado por paso de banda se convirtió rápidamente en una técnica de modelado estándar para la estructura columnar cortical. En 1992, Rojer y Schwartz demostraron que la formación de vórtices de orientación cortical era una consecuencia topológica de la definición de orientación: cualquier correlación local, incluido el filtrado de paso bajo, causaría la formación aparente de "vórtices" [17] Archivado el 20 de enero de 2008 en Wayback Machine . Esta observación se utilizó más tarde, a través de una simulación de Montecarlo de la dispersión de fotones en el tejido cerebral, para demostrar que gran parte de la estructura de "rueda de alfileres" de la grabación óptica moderna está significativamente contaminada por artefactos debido a la producción topológica y la aniquilación de ruedas de alfileres corticales espurias, debido a la naturaleza de paso bajo de la grabación óptica actual, que tiene un suavizado físico intrínseco en el rango de 300 micrómetros [18] Archivado el 25 de julio de 2008 en Wayback Machine .
Además de este trabajo en imágenes cerebrales y neuroanatomía funcional, Schwartz ha desarrollado una serie de algoritmos y dispositivos robóticos relacionados con el campo de la visión artificial variante en el espacio. La motivación principal de este trabajo son las observaciones de la estructura espacial detallada en sistemas visuales biológicos, relacionados con la arquitectura fuertemente variante en el espacio (es decir, foveal). Se han desarrollado algoritmos para la visión artificial variante en el espacio y la difusión no lineal junto con los estudiantes Giorgio Bonmassar[20], Bruce Fischl [19] y Leo Grady [21]. El trabajo inédito de George Kierstein se completó durante su programa de doctorado antes de completarlo al graduarse con una maestría [Ver enlaces externos para la biografía].