Singer Lab

Forschungsschwerpunkte des Singer Labs am ESI 

Die Arbeitshypothese des Singer Labs ist, 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 haben die Forschenden des Singer Labs am ESI Simulationsexperimente durchgeführt, 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 legt 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 gegenwärtigen Arbeiten des Singer Labs am ESI hat zum Ziel, die Rechenoperationen zu verstehen, welche oszillierende rekurrente Netzwerke so ungewöhnlich effizient machen. 

Dieser Frage gehen die Forschenden mit umfangreichen Simulationsexperimenten nach. Dabei verfolgen sie drei Ziele:

1. Die Forschenden erhoffen sich vertiefende Einblicke in die Funktionsweise der Großhirnrinde und die Möglichkeit, Erklärungen für Phänomene zu finden, die in physiologischen Experimenten entdeckt wurden, deren funktionelle Rolle aber bislang unklar ist. Hierzu zählen vor allem die komplexe Dynamik der Großhirnrinde und die Besonderheiten der Architektur neuronaler Netzwerke.
2. Sie versprechen sich durch die Analyse der Lernvorgänge in den oszillierenden Netzwerken Einblicke in die Mechanismen, über welche natürliche Systeme während ihrer Entwicklung ein internes Modell ihrer Umwelt aufbauen, das sie dann nutzen, um Sinnessignale zu ordnen und zu interpretieren (predictive coding).
3. Die Forschenden wollen prüfen, inwieweit sich die in den Simulationsexperimenten identifizierten Lernprozesse und Rechenstrategien auf technische Systeme übertragen lassen, um deren Leistungsfähigkeit und Energieeffizienz zu steigern. Hierbei stehen die Optionen analager Informationsverarbeitung im Vordergrund.