Theorie der neuronalen Dynamik

Neuronale Netzwerke: Viele Eigenschaften – ein Modell

Max Planck Forscherinnen Nataliya Kraynyukova und Tatjana Tchumatchenko haben untersucht, wie die Struktur neuronaler Netzwerke mit deren Fähigkeit zusammenhängt, eine Reihe fundamentaler kortikaler Funktionen entstehen zu lassen. Sie haben gezeigt, dass nur ein Modell ausreicht, um die Vielfalt der kortikalen Funktionen zu erklären.

Verarbeitung visueller Erfahrungen

Die Verarbeitung visueller Erfahrungen spiegelt sich in der neuronalen Aktivität der visuellen Hirnrinde wider. | N. Kraynyukova/Max Planck Institute for Brain Research

Unsere Sinnesorgane verarbeiten Reize der Außenwelt zu elektrischen Signalen, die an die neuronalen Netzwerke weitergeleitet und dort verarbeitet werden. Diese Transformationen in der Großhirnrinde sorgen unter anderem dafür, dass wir die Sinneseindrücke verarbeiten können, Erinnerungen speichern, und in der Lage sind, Entscheidungen zu treffen. Obwohl die Neurowissenschaften noch immer weit davon entfernt sind, diese beeindruckenden Vorgänge im Gehirn ausreichend zu verstehen, ist es destotrotz möglich, sie mit einer Reihe Zustände der neuronalen Aktivität in Zusammenhang zu bringen.

Ein Blick ins Gehirn mit fNIRS

Studien haben gezeigt, dass das Gehirn Entscheidungen über visuelle und auditive Reize trifft, indem es auf bereits abgespeicherte sensorische Befunde zurückgreift. Dieser Prozess wird von einem neuronalen Netz im vorderen Stirnlappenbereich und im hinteren Parietalbereich des Gehirns gesteuert.

weiterlesen

Ein einziges Netzwerkmodell

Die Forscherinnen der Arbeitsgruppe „Theorie der neuronalen Dynamik“ am Max-Planck-Institut für Hirnforschung zeigen nun, wie ein einziges Netzwerkmodell die vielfältigen Zustände der neuronalen Aktivität adäquat darstellen kann. Sie erweiterten dazu das „Stabilisierte Supralineare Netzwerk Modell“ (SSN), das Forscher bisher verwendeten, um wichtige Funktionen des visuellen Systems erfolgreich darzustellen. Die beiden Wissenschaftlerinnen fanden nun heraus, dass die Möglichkeiten des SSN noch gar nicht erschöpft sind, und zeigten, wann das SSN gleichzeitig auch bistabile, oszillierende und andauernde Zustände beschreiben kann. Damit wird einen Weg geebnet für eine einheitliche Theorie kortikaler Funktionen. Kraynyukova: „Die Struktur eines Netzwerks hängt eng mit seiner Fähigkeit zusammen, bestimmte Funktionen entstehen zu lassen. Unsere Ergebnisse beschreiben diesen Zusammenhang genau und ermöglichen, ausgehend von der Aktivität spezieller Netzwerke, Strukturinformation zu erhalten.“ Tchumatchenko ergänzt: „Diese Theorie ist sehr vielversprechend. Es kann jetzt sogar Gehirnfunktionen wie Kurzgedächtnis und Entscheidungsfindung realistisch darstellen.“ (idw, red)

 

Literatur:

Nataliya Kraynyukova and Tatjana Tchumatchenko: Stabilized supralinear network can give rise to bistable, oscillatory, and persistent activity. PNAS 2018; published ahead of print March 12, 2018, doi.org/10.1073/pnas.1700080115.