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 / Ein neuer Blick auf die Hebbsche Regel
Freiburg – 10. Februar 2022

Ein neuer Blick auf die Hebbsche Regel

Das Postulat “gemeinsam aktiv, miteinander verbunden” verweist auf einen allgemeinen Mechanismus für synaptische Plastizität. Von diesem nimmt man an, dass er der Verdrahtung von Netzwerken und der Entstehung von Zellverbänden zugrunde liegt. In einer neuen in PLOS Computational Biology veröffentlichten Studie werfen drei Forscher:innen des Bernstein-Zentrums Freiburg ein neues Licht auf diesen Prozess, der für die zuverlässige Funktion des Gehirns grundlegend ist.

Assoziatives Gedächtnis. Illustration von René Descartes (1596-1650), L'Homme, veröffentlicht 1677.

Es ist eine Erfolgsgeschichte der Verbindung von Theorie und Experiment in den Neurowissenschaften. Die Idee dahinter wird in jedem Lehrbuch besprochen, das sich mit den zellulären Mechanismen des Lernens im Gehirn befasst:

“Wenn ein Axon von Zelle A einer Zelle B nahe genug kommt, um sie zu erregen und wiederholt oder anhaltend an ihrer Aktivierung beteiligt ist, findet in einer oder in beiden Zellen ein Wachstumsprozess oder eine metabolische Veränderung statt, so dass sich die Effizienz von A als eine der Zellen, die B erregen, erhöht.”

In einem Satz zusammengefasst: „Neuronen verdrahten sich, wenn sie gemeinsam aktiv sind“. Diese klarsichtige Darstellung dessen, was wahrscheinlich beim Lernen im Gehirn passiert, hat Donald O. Hebb in seinem 1949 erschienenen Buch “The Organization of Behavior” formuliert. Inzwischen gibt es eine große Anzahl von experimentellen Befunden, die dieses allgemeine Prinzip untermauern. Aber wie genau machen die Nervenzellen das? Woher weiß ein Neuron, dass sich seine Mitneuronen mit ihm verbinden wollen? Welche Signale werden übertragen? Und was ist der Auslöser für diesen “Wachstumsprozess oder die metabolische Veränderung”, über die Hebb spekuliert?

Eine mechanistische Beschreibung, die Ursache und Wirkung klar umreißt, kann nur aus Experimenten an biologischen Neuronen abgeleitet werden. Theorie kann jedoch bei der Planung solcher Experimente helfen. Die vorherrschende Interpretation des Hebbschen Lernens geht davon aus, dass der Schlüssel in der Korrelation neuronaler Aktivität liegt. Das ist in der Tat eine Möglichkeit, die Hebbsche Regel umzusetzen: Korrelation induziert Wachstum. Und genau so stellen sich die meisten Wissenschaftler assoziative Lernalgorithmen vor. In einem biologischen Netzwerk allerdings muss die Korrelation für jedes einzelne Paar von Neuronen ein physikalisch repräsentiert werden. Computersimulationen dieser Situation sind leicht durchzuführen. Es ist jedoch überraschend schwierig, Netzwerke zu konstruieren, die beim Lernen stabil bleiben. Ein zentraler Aspekt fehlt also noch.

In ihrer neuen Arbeit haben Júlia Gallinaro, Nebojša Gašparović und Stefan Rotter vom Bernstein Center Freiburg nun ein Szenario beschrieben und analysiert das eine weniger komplizierte und robustere Umsetzung der Hebbschen Regel nahelegt. Der Ausgangspunkt ist, dass jedes Neuron sich selbst im Blick hat, indem es wie ein Thermostat funktioniert, bei dem Temperatur durch Aktivität ersetzt wird: Ist die Aktivität des Neurons zu hoch, wird die Anzahl der eigenen ein- und ausgehenden erregenden Synapsen reduziert. Ist die Aktivität zu niedrig, werden neue erregende Synapsen angelegt. Die Eliminierung von bestehenden und die Bildung neuer Kontakte im Netzwerk erfolgt ansonsten nach dem Zufallsprinzip. Auf diese Weise wird sichergestellt, dass Neuronen, die gemeinsam feuern, sich schließlich auch miteinander verdrahten – und zwar ohne dass sie ihre eigenen Korrelationen mit anderen explizit überwachen müssten. In Computersimulationen funktioniert diese auf homöostatischer Strukturplastizität basierende Regel sehr gut. Eine Reihe von in der Psychologie diskutierten Lernparadigmen, wie etwa klassische Konditionierung oder assoziatives Gedächtnis, lassen sich mit dieser Regel leicht umsetzen. Experimentatoren könnten diese Möglichkeit daher bei ihrer Suche nach den Mechanismen der Hebbschen Plastizität mit in Betracht ziehen.

Weiterführende Verlinkungen

Original Mitteilung

> mehr

Original Publikation

> mehr

Ein neuer Blick auf die Hebbsche Regel

24. Februar 2022/in /von Janina Radny

Kontakt Aktuelles

Kontakt

Prof. Dr. Stefan Rotter

Professor für Computational Neuroscience
Albert-Ludwigs-Universität Freiburg
Bernstein Center Freiburg und Fakultät für Biologie
Hansastraße 9a
79104 Freiburg

+49 761 203 9316
stefan.rotter@bio.uni-freiburg.de

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}