Prof. Dr. Dr. h.c. mult. Wolf Singer
Die Arbeitshypothese des Singer Labs war es, dass die Verarbeitungsprozesse in der Großhirnrinde die hochdimensionale Dynamik nutzen, die in rekurrenten Netzwerken entsteht, deren Knoten die Eigenschaften von gedämpften harmonischen Oszillatoren haben.
Vor vielen Jahren haben Forschende entdeckt, dass merkmalsspezifische Neuronen in der Sehrinde ihre Antworten synchronisieren, wenn diese Merkmale zum gleichen visuellen Objekt gehören. Dieser Mechanismus wird als eine mögliche Lösung für das „Bindungsproblem“ und für die Bildung von Hebbschen Assemblies diskutiert.
Diese Synchronisation wird oft von Oszillationen im Gamma-Frequenz-Bereich begleitet, was die Frage aufwirft, ob die beobachteten Oszillationen eine funktionelle Bedeutung haben oder lediglich ein Epiphänomen komplexer Wechselwirkungen in rekurrenten Netzwerken sind.
Diese Frage lässt sich in neurophysiologischen Experimenten nur schwer beantworten, weil eine gezielte Manipulation der Oszillationen kaum zu realisieren ist, ohne andere Variablen der Systemdynamik mitzuverändern. Deshalb führten die Forschenden des Singer Labs am ESI Simulationsexperimente durch, die es erlaubten, die Oszillationen gezielt zu kontrollieren. Hierzu programmierten sie eine Simulation eines rekurrenten Netzwerk und konfigurierten die Knoten als gedämpfte harmonische Oszillatoren.
Durch parametrische Variation des Dämpfungsfaktors konnte erreicht werden, dass die Knoten entweder wie konventionelle Integratoren (leaky integrators) funktionieren oder aber als gedämpfte Oszillatoren. Um die Leistungsfähigkeit der Netze zu quantifizieren, trainierten die Wissenschaftler:innen sie, handgeschriebene Buchstaben und gesprochene Worte zu erkennen.
Es erwies sich, dass die Netzwerke wesentlich bessere Erkennungsleistungen aufwiesen, wenn die Knoten befähigt wurden, zu oszillieren. Die Lerngeschwindigkeit und Resilienz der Netze gegenüber Störungen nahmen im Vergleich zu nicht-oszillierenden Netzen drastisch zu. Die Implementierung weiterer Eigenschaften der Großhirnrinde (heterogene Oszillationsfrequenzen, variierende Leitungsgeschwindigkeiten der rekurrenten Verbindungen und Modularität der Verbindungsarchitektur) führte zu weiteren Steigerungen der Leistungsfähigkeit der Netze ohne Erhöhung der Zahl festzulegender Parameter. Zudem reproduzierten die oszillierenden Netze eine Vielzahl struktureller und funktioneller Besonderheiten der Großhirnrinde.
Dies legte nahe, dass die auf Oszillationen beruhenden Informationsverarbeitungsprozesse auch in der Großhirnrinde realisiert sind und die Oszillationen nicht als Epiphänomen betrachtet werden sollten.
Ein Großteil der Arbeiten des Singer Labs am ESI hatte zum Ziel, die Rechenoperationen zu verstehen, welche oszillierende rekurrente Netzwerke so ungewöhnlich effizient machen.
Dieser Frage gingen die Forschenden mit umfangreichen Simulationsexperimenten nach. Dabei verfolgten sie drei Ziele:
Prof. Dr. Martin Vinck
Die Forschung des Vinck Labs verfolgte drei Ansätze: Schaltkreise – Kollektive – Lernen. Die Arbeit des Labs wurde durch das ERC und BMF unterstützt.
Schaltkreise: Die Forschenden untersuchten, wie unterschiedliche Typen erregender und hemmender Neurone die Plastizität des Gehirns regulieren und welchen Beitrag sie zur flexiblen Informationsverarbeitung leisten.
Kollektive: Das Lab untersuchte, wie Kollektive von Neuronen durch raum-zeitliche Aktivitätsmuster Informationen kodieren und im Speziellen, welche Rolle Spike-Sequenzen und Bursts dabei spielen. Darüber hinaus interessierte die Forschenden, welcher Zusammenhang zwischen spontaner neuronaler Aktivität (zum Beispiel beim Träumen) und neuronaler Aktivität, die durch sensorische Wahrnehmungen (hören, sehen etc.) hervorgerufen wird, besteht.
Lernen: Die Wissenschaftler:innen untersuchten, wie das Gehirn anhand von Vorhersagen über die unmittelbare Zukunft lernt; wie das Gehirn Gegenstände anhand ihrer Eigenschaften erkennt und welche Rolle rekurrente Netzwerke dabei spielen. Um diese Fragen zu beantworten, benutzten die Forschenden eine große Bandbreite von Methoden und Herangehensweisen, so zum Beispiel maschinelles Lernen, um vorhersagbare Zusammenhänge zwischen sensorischem Input über Raum und Zeit zu modellieren. Das Lab entwickelte Algorithmen, um unsupervised clustering in viel-dimensionalen neuronalen Daten zu ermöglichen und neue Methoden zur Auswertung elektrophysiologischer Daten. In ihrer Arbeit wendeten die Forschenden Informationstheorie und Neurale Netzwerk Theorie an. Die Daten für die Modelle erhoben die Wissenschaftler:innen mithilfe elektrophysiologischer Ableitungen über alle kortikalen Schichten hinweg und von mehreren Hirnabschnitten gleichzeitig. Anhand von optogenetischen Methoden identifizierten sie Subtypen von Zellen – wie etwa Interneurone mit bestimmten Projektionsmustern.
Prof. Dr. David Poeppel
Das übergeordnete Ziel des Forschungsprogramms war es, eine theoretisch fundierte, rechnerisch explizite und biologisch realistische Perspektive auf die auditive Wahrnehmung (einschließlich Musik), die Sprachwahrnehmung und das Sprachverständnis zu entwickeln.
Die Arbeit erfolgte in drei Bereichen:
(i) grundlegende physiologische Eigenschaften der menschlichen Großhirnrinde (nicht-invasive Untersuchungen der neuronalen Kodierung);
(ii) Hören und Sprachwahrnehmung (psychophysikalische und neurobiologische Ansätze); und
(iii) neurobiologische Grundlagen der Sprache.
Diese drei Forschungsbereiche sind eng miteinander verbunden, obwohl nicht alle Arbeiten notwendigerweise interdisziplinärer Natur sind. Das Labor nutzt alle verfügbaren kognitiven neurowissenschaftlichen Instrumente. Zu den wichtigsten Methoden gehören elektrophysiologische Aufzeichnungen mittels Magnetenzephalographie (MEG), Elektroenzephalographie (EEG) und Elektrokortikographie (ECoG) sowie Bildgebungsstudien mittels struktureller und funktioneller Magnetresonanztomographie (MRT).
Prof. Dr. Pascal Fries
Neuronale Netzwerke sind in der Regel durch rhythmische, synchronisierte Aktivität gekennzeichnet. Die neuronale Synchronisation beeinflusst wahrscheinlich die neuronale Verarbeitung. Wenn dies zutrifft, hat die Evolution wahrscheinlich die funktionelle Synchronisation und Mechanismen zu ihrer adaptiven Modulation selektiert. Das Fries Lab untersuchte die Mechanismen der neuronalen Synchronisation, ihre Auswirkungen und ihre kognitiven Funktionen.
Prof. Dr. Ilka Diester
Das Diester Lab untersuchte die Interaktion zwischen Gehirnbereichen, die an der taktilen Wahrnehmung (somatosensorische Eingabe), der kognitiven Verarbeitung und der Bewegungserzeugung (motorische Ausgabe) beteiligt sind, um die Grundprinzipien des Gehirns zu verstehen und letztendlich die Entwicklung von Neuroprothesen voranzutreiben. Die Forschenden verfolgten diese Forschungsziele mit Verhaltenstests sowie elektrophysiologischen und optogenetischen Instrumenten im Gehirn von Säugetieren.
Dr. Michael C. Schmid
Die Arbeit im Schmid-Labor konzentrierte sich auf die Erforschung der grundlegenden Prinzipien des Gehirns, die zur visuellen Wahrnehmung führen. Das Lab fokussierte sich dabei besonders darauf, zu verstehen, wie Sichtbarkeit durch die Kommunikation von Neuronen in verschiedenen Hirnarealen entsteht, wie Prozesse, die während der Aufmerksamkeit ablaufen, diese unterstützen können und wie sie nach einer neuronalen Schädigung beeinflusst wird. Ziel der Forschungsgruppe war es, diese Funktionen mit besonderem Fokus auf den Thalamus, einem der wichtigsten Relais-Systeme des Gehirns, zu beschreiben. Um die Dynamik der Interaktion zwischen Thalamus und Kortex zu beschreiben, kombinierten die Forschenden parallele elektrophysiologische Aufzeichnungsmethoden im Gehirn von Säugetieren mit ergänzenden Techniken, die von Psychophysik und fMRT bis hin zu Pharmakologie und Optogenetik reichen.
