Bernstein Netzwerk Computational Neuroscience
  • Home
  • Netzwerk
    • Das Bernstein Netzwerk
    • Bernstein Zentren
      • Berlin
      • Freiburg
      • Göttingen
      • München
      • Tübingen
      • Heidelberg-Mannheim
    • Forschungsinfrastruktur
      • High Performance Simulation and Data Analysis
      • Forschungsdaten-Management
      • Wissenschaftskommunikation
      • Wissenschaftskoordination
    • Preise und Initiativen
      • Valentin Braitenberg Award
      • Brains for Brains Nachwuchspreis
      • Bernstein SmartSteps
    • Gremien des Netzwerks
    • Satzung
    • Mitgliedschaft
    • Historie
    • Spenden
    • Kontakt
  • Newsroom
    • Newsroom
    • Aktuelles
    • Meet the Scientist
    • Veranstaltungen
    • Ausschreibungen
    • Medienecho
    • Presse
    • Publikationen des Netzwerks
    • Bernstein Bulletin
  • Forschung und Lehre
    • Forschung und Lehre
    • Wissenschaftler:innen finden
    • Studienprogramme
      • Masterprogramme
      • Promotionsprogramme
    • Studienangebote
      • Bernstein Student Workshop Series 2023
      • Online Learning
      • Kurse für Fortgeschrittene
      • Praktika und Abschlussarbeiten
    • Ethos des Bernstein Netzwerks
  • Karriere
    • Karriere
    • Stellenangebote
    • Verstärken Sie unser Team
  • Bernstein Conference
    • Bernstein Conference
    • Call for Satellite Workshops
    • General Information
      • Tentative Schedule
      • Past Conferences
    • FAQ
  • DE
  • EN
  • Suche
  • Menü Menü
Sie sind hier: Startseite1 / Newsroom2 / Aktuelles3 / Mit Deep Learning zu besseren Gehirnmodellen
Tübingen – 31. Januar 2023

Mit Deep Learning zu besseren Gehirnmodellen

ERC Consolidator Grant für Tübinger KI-Forscher Professor Jakob Macke

Foto: Friedhelm Albrecht, Universität Tübingen

Beteiligte Bernstein-Mitglieder: Jakob Macke

Der Tübinger KI-Forscher Professor Jakob Macke wird in den kommenden Jahren mit Hilfe von Deep Learning neuartige neuronale Netzwerke an der Schnittstelle von Neurowissenschaften und Maschinellem Lernen entwickeln. Ausgangspunkt des Projekts „DeepCoMechTome“ ist das Gehirn der Fruchtfliege Drosophila melanogaster, das über gut 100.000 Nervenzellen mit mehreren Millionen Verknüpfungen verfügt. Das Projekt wird vom Europäischen Forschungsrat mit insgesamt knapp zwei Millionen Euro gefördert. Macke ist Mitglied des Tübinger Exzellenzclusters „Maschinelles Lernen. Neue Perspektiven für die Wissenschaft“, des von der Bundesregierung geförderten Tübingen AI Center, und ist Sprecher des „Bernstein Center for Computational Neuroscience Tübingen“.

Das Gehirn der Drosophila, die in der Biologie eine der bekanntesten Modellorganismen darstellt, ist aus mehreren Gründen für Forschende aus Neurowissenschaften und Informatik interessant. „Fruchtfliegen haben im Vergleich zu Säugetieren nur winzige Gehirne“, erklärt Macke: „Dennoch verfügen diese Tiere über erstaunliche Fähigkeiten, wie eine hochpräzise Kontrolle ihres Fluges. Sie können sich an Landmarken orientieren und reagieren blitzschnell, wenn sich Fressfeinde nähern.“ Trotz großer Leistungsfähigkeit verbrauche das Gehirn der Drosophila lediglich Energie im Nanowattbereich, sei also deutlich energieeffizienter als jeder Computer.

Der biologischen Forschung sei es in den vergangenen Jahrzehnten gelungen, das Gehirn der Fruchtfliege in großer Detailtiefe zu analysieren. „Damit haben wir nun Zugang zu den Schaltkreisen des Gehirns, aber konnten bisher trotzdem keine Modelle bauen, die ähnliche Aufgaben wie echte Drosophila-Gehirne übernehmen können.“ Im Gegensatz dazu sei es in den vergangenen Jahren mit den Methoden des Deep Learning gelungen, künstliche neuronale Netze zu schaffen, die sehr komplizierte Berechnungen durchführen könnten. Die künstlichen neuronalen Netze hätten sich aber von ihrem Aufbau und ihrer Funktionsweise her inzwischen weit von denen biologischer neuronaler Netze entfernt.

„Diese beiden Welten wollen wir wieder zusammenbringen“, erklärte der KI-Forscher: „Unser Ziel ist es nun, künstliche neuronale Netze zu schaffen, die in Aufbau und Struktur dem Gehirn der Fruchtfliege möglichst nahekommen, zugleich aber ähnliche Leistungen vollbringen können.“ Dazu seien neuartige Methoden des Maschinellen Lernens notwendig, welche in dem Projekt in enger Zusammenarbeit mit Srinivas Turaga vom Janelia Research Campus in Ashburn, Virginia und weiteren Forschenden entwickelt und angewendet werden sollen. Solche Methoden können auch für die neurowissenschaftliche Erforschung von Lebewesen mit komplexeren Gehirnen, wie beispielsweise Fischen oder Säugern eingesetzt werden.

Karl G. Rijkhoek, Hochschulkommunikation Universität Tübingen

Weiterführende Verlinkungen

Originale Pressemitteilung

> mehr

Mit Deep Learning zu besseren Gehirnmodellen

31. Januar 2023/in /von Alexander Lammers

Kontakt Aktuelles

Bernstein Netzwerk Computational Neuroscience Logo

Mitglied werden
Satzung
Spenden
Newsletter abonnieren

 

Folgen Sie uns

Mastodon
© 2023 Bernstein Netzwerk Computational Neuroscience
  • Kontakt
  • Impressum
  • Datenschutz
Nach oben scrollen
Cookie-Zustimmung verwalten
Wir verwenden Cookies, um unsere Website und unseren Service zu optimieren.
Funktional Immer aktiv
Der Zugriff oder die technische Speicherung ist unbedingt für den rechtmäßigen Zweck erforderlich, um die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Abonnenten oder Nutzer ausdrücklich angefordert wurde, oder für den alleinigen Zweck der Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Voreinstellungen erforderlich, die nicht vom Abonnenten oder Nutzer beantragt wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt. Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Aufforderung, die freiwillige Zustimmung Ihres Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht zu Ihrer Identifizierung verwendet werden.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
Optionen verwalten Dienste verwalten Anbieter verwalten Lesen Sie mehr über diese Zwecke
Einstellungen
{title} {title} {title}