Was ist Computational Neuroscience?

Mit Computational Neuroscience wird erforscht, wie Nervensysteme ihre Informationen verarbeiten. Die computergestützte Simulation des Nervensystems und eine naturgetreue Abbildung von Vorgängen im Gehirn bilden die Grundlagen der Computational Neuroscience. Dabei werden die Verarbeitung von Sinneseindrücken beobachtet.

Neuro-Forscher entwickeln auf Basis von experimentell gewonnenen Daten mathematische Modelle, die schließlich durch neuronale Funktionen am Computer simuliert werden. Dabei werden Vorhersagen von Modellen für das neuronale Verhalten experimentell überprüft und optimiert.

Viele innovative Technologien profitieren bereits von Forschungserfolgen auf diesem Gebiet. Mit dem Wissen über Hirnfunktionen können inzwischen intelligente technische Hilfsmittel entworfen werden, wie etwa Fahrerassistenz-Systeme, selbstlernende Computer, Roboter und auch intelligente Prothesen. Ein zentrales Ziel besteht darin, dass Computermodelle dabei helfen, Fehlfunktionen des Gehirns und Ursachen für Krankheiten frühzeitig zu erkennen und zu heilen. Therapieansätze können mithilfe der Computational Neuroscience virtuell erprobt werden und helfen somit bei der stetigen Weiterentwicklung von realen Therapien und Studien.

Auf welche Modelle und Grundlagen stützt sich die Computational Neuroscience?

Die Grundlage der Computational Neuroscience baut auf die Weiterentwicklung von Künstlicher Intelligenz und dem Modell der künstlichen neuronalen Netze. Die künstlichen neuronalen Netze (KNN) kann man als mathematische Nachbildungen der Reizverarbeitung im Gehirn betrachten. Diese Nachbildungen sind untereinander verbundene künstliche Neuronen. Es werden anstelle von elektrischen oder chemischen Signalen der biologischen Systeme nun Algorithmen mit Zahlenwerten verarbeitet.

Auf diesem System baut zum Beispiel maschinelles Sehen auf. Die mathematische Modellierung leitet sich aus den Erkenntnissen der Neurowissenschaften, Biophysik und Theorie von dynamischen und von komplexen Systemen ab. Solche Modelle können wegen ihrer Komplexität meist ausschließlich computergestützt simuliert werden. Experimentelle Daten sind häufig Grundlage dieser Berechnungen, wie etwa der elektrophysiologischen Eigenschaften von Nervenzellen und Synapsen und den Netzwerkstrukturen in realen Nervennetzen.