Forschung

Die Forschung am IAS-6/INM-10 wird nicht von einzelnen Arbeitsgruppen durchgeführt, sondern ist ein interaktives Unterfangen, bei dem verschiedene Fachkenntnisse in einem gemeinsamen wissenschaftlichen Bereich – der Computational Neuroscience – kombiniert werden. Unsere Forschung folgt einem wissenschaftlichen Kreislauf: Die Daten von experimentellen Partnern werden analysiert und fließen in die Simulation sowie in die Modellentwicklung ein. Theorien werden aufgestellt und bilden zusammen mit den Ergebnissen der Modellierung die Grundlage für die Gestaltung neuer Experimente. Außerdem können experimentelle Daten aus neuen Experimenten vorhergesagt werden und in einer neuen Runde können Modelle anhand dieser Daten validiert werden, sobald sie verfügbar sind. Da alle Schritte die Verarbeitung großer Datenmengen beinhalten, sind auch das Datenmanagement und die Einrichtung von Analyse-Workflows ein Schwerpunkt des Instituts. Alle durchgeführten Forschungsarbeiten folgen der Open-Science-Strategie, Forschungsdaten und Software so früh wie möglich auf leicht zugängliche Weise zu teilen.

Computational Neurophysics

Der Schwerpunkt der Gruppe von Markus Diesmann sind Bottom-up-Ansätze, um physiologische und anatomische Daten in Modelle zu integrieren, insbesondere Modellentwicklung, Theorie neuronaler Netzwerke und Korrelationsdynamik. Dies erfordert auch die Entwicklung von Simulationstechnologien für neuronale Netze.

Mehr

Statistical Neuroscience

Die Forschungsgruppe von Sonja Grün konzentriert sich auf die Entwicklung von Analysestrategien und Werkzeugen, die konzertierte Aktivitäten in elektrophysiologischen Signalen des Gehirns aufdecken.

Mehr

Computation in Neural Circuits

Untersuchung der Mechanismen, die der neuronalen Berechnung zugrunde liegen, durch die Entwicklung von Modellen auf der Ebene von Netzen von Spike-Neuronen. Die Gruppe von Abigail Morrison wendet vorwiegend einen Top-Down-Ansatz an, um funktionelle Beschränkungen für Struktur, Plastizität und Dynamik zu entdecken, insbesondere im Hinblick auf Lernen und Gedächtnis.

Mehr

Theory of Multi-scale Neuronal Networks

Die Gruppe von Moritz Helias beschäftigt sich mit Mechanismen, die die Dynamik und Informationsverarbeitung in biologischen und künstlichen neuronalen Netzen bestimmen. Bei biologischen Netzen sind wir an der Beziehung zwischen der Struktur und der Dynamik neuronaler Netze interessiert, um experimentell überprüfbare Mechanismen kollektiver Phänomene aufzudecken. Für künstliche neuronale Netze entwickeln wir die Physik der künstlichen Intelligenz, die es uns ermöglicht, Generalisierungseigenschaften und Lernen zu verstehen und zu quantifizieren. Der Einsatz und die Entwicklung von Methoden der statistischen Physik, um biologische und künstliche Netzwerke in einer einheitlichen Sprache zu formulieren, ermöglicht es uns, übergreifende Prinzipien der Informationsverarbeitung zu entdecken und qualitative Unterschiede zu erkennen und zu quantifizieren.

Mehr

Theoretical Neuroanatomy

Die von Sacha van Albada geleitete Arbeitsgruppe untersucht die Architektur und Konnektivität von Hirnschaltkreisen als Grundlage für neuronale Netzwerkmodelle mit der Auflösung von Neuronen und Synapsen, die Struktur und Dynamik miteinander verbinden.

Mehr

Team Data Science of Electro- and Optophysiology in Behavioural Neuroscience (DSEO)

Das Team von Michael Denker befasst sich mit den praktischen Herausforderungen, die sich im Zusammenhang mit dem Datenmanagement und der reproduzierbaren Datenanalyse in den Neurowissenschaften ergeben, indem es Konzepte aus der Physik und der Informatik anwendet.

Mehr

Team Future Simulation Architectures

Unter Berücksichtigung der sich entwickelnden Landschaft der Hochleistungscomputersysteme identifiziert das Team von Johanna Senk Herausforderungen und erforscht Lösungen für die Simulationstechnologie neuronaler Netze.

Mehr