Entwicklung funktional leistungsfähiger und biologisch realistischer Modelle der neuronalen Signalverarbeitung

01.01.2016 bis 31.12.2017

Wie Informationen in den Nervenzellen des Gehirns repräsentiert, kombiniert und manipuliert werden, ist eine der grundlegenden Fragen der Neurowissenschaften. Eine Antwort wird stark erschwert durch die Stochastizität neuronaler Aktivierungen: selbst identische Stimulierung führt zu unterschiedlichen Aktivitätsmustern. Der Ursprung dieses Rauschens sowie ihre Auswirkungen sind nur schwer experimentell zugänglich und bis heute umstritten. Insbesondere zeichnen die bisherigen, stark vereinfachten theoretischen Modelle ein widersprüchliches Bild, im Zuge dessen der Zusammenhang zwischen Rauschen und verschiedenen Wahrnehmungsleistungen nach wie vor ungeklärt ist. Insbesondere vernachlässigen bisherige Modelle die hierarchische Struktur und funktionsoptimierte Konnektivität des Neokortex. Neue Ansätze, die diesen Merkmalen Rechnung tragen, eröffnen die Möglichkeit, ein grundlegendes und belastbares Verständnis der Struktur neuronaler Signalkodierung und deren Einfluss auf die Wahrnehmungsleistungen zu gewinnen.

Im Rahmen dieses Projekts wollen wir die jüngsten Durchbrüche im Bereich des maschinellen Lernens und selbst-organisierter Netzwerke zur Entwicklung neuer Populationsmodelle nutzen. Zu diesem Zweck verallgemeinern wir ein leistungsfähiges, hierarchisch strukturiertes Netzwerkmodell (mit herausragenden perzeptuellen Fähigkeiten wie Objekterkennung) und vergleichen systemneurowissenschaftliche Informationsanalysen mit Ergebnissen etablierter Modelle. Im Anschluss passen wir dieses Basismodell sukzessive den biophysikalischen Randbedingungen an, unter denen der Neokortex operiert, und vergleichen Vorhersagen des Modells mit experimentellen Messungen.