Dynamische Instabilitäten durch Informationsvernichtung in neuronalen Netzen und menschlicher Motorkontrolle

• Antragsteller: Professor Dr. Klaus Pawelzik
• Fachliche Zuordnung: Kognitive, systemische und Verhaltensneurobiologie ; Statistische Physik, Nichtlineare Dynamik, Komplexe Systeme, Weiche und fluide Materie, Biologische Physik
• Förderung: Förderung von 2015 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 283571598

Viele Komplexe Adaptive Systeme, einschließlich neuronaler Netzwerke, menschlichem Balancierverhalten und Finanzmärkten, zeigen komplexe Aktivitäten, die durch Skalierungsgesetze charakterisiert sind. In all diesen Systemen findet sich eine dynamische Balance entgegengesetzter Einflüsse. Wir wollen erklären, warum dieser Ausgleich nicht zu einfachen Gleichgewichten führt. Insbesondere wollen wir untersuchen, ob ein allgemeines Prinzip diese Beobachtungen erklären kann, nach dem Kritikalität aus effizienter Absorption von Information folgt. Diese Fragen werden wir in zwei Teilprojekten bearbeiten, Motorkontrolle (SP1) und Neuronale Netzwerke (SP2): Adaptive Motorkontrolle (SP1): Unsere Vorarbeiten zeigen, dass Informations-Annihilations-Instabilität (IAI) kritische Phänomene in adaptiver Kontrolle beschreiben kann. Offen ist jedoch, ob entsprechende Modelle auch die menschliche Motorkontrolle in realistischen Situationen erklären können. Wir planen Experimente, um Vorhersagen unserer bisherigen Modelle zu testen, die Reichweite unserer Theorie zu untersuchen und die Modelle entsprechend anzupassen. Außerdem werden die Konsequenzen unserer Theorie für die Theorie adaptiver Kontrolle, Vorwärtsmodelle und die Selbstorganisation von Kontrollstrategien im Menschen untersucht. Wir erwarten, dass dieses Teilprojekt neue Einsichten in die menschliche Motorkontrolle ermöglicht und wichtige Randbedingungen für die Entwicklung biologisch realistischer Modelle auf der Basis von Neuronalen Netzen liefert. Neuronale Netzwerke (SP2): Viele Netzwerke des Gehirns sind an einem Arbeitspunkt, in dem die erregenden und die hemmenden Eingänge in ein Neuron sich nahezu ausgleichen. Weder die Mechanismen, die diese Balance bewirken, noch ihre funktionale Bedeutung sind bekannt. Vorläufige Befunde legen nahe, dass entsprechende synaptische Anpassungen eine erhöhte Empfindlichkeit der Netzwerke für überraschende Eingangssignale bewirken, und eine dünne und prädiktive Kodierung realisieren. Für rekurrente Netzwerke vermuten wir, dass die Input-Balance für Kodierung, Signalübertragung und Berechnungen besonders vorteilhaft ist. Jede dieser Hypothesen wird durch Entwicklung und Analyse von biologisch plausiblen Modellen Neuronaler Netze untersucht. Darüber hinaus werden wir die dynamischen Folgen und den funktionalen Nutzen des balancierten Arbeitspunktes für paradigmatische Netzwerke wie auch für Netzwerkmodelle der Motorkontrolle explorieren. Auf der Grundlage experimenteller Daten werden wir Unterschiede und die Ähnlichkeiten der beiden Systeme sowie ihrer Dynamik identifizieren und entsprechende biologisch plausible Modelle entwickeln. Dabei zielen wir auf die Vorbereitung einer allgemeinen Theorie der IAI. Diese Untersuchungen werden wir parallel in SP1, SP2 sowie auch in Zusammenarbeit mit Dr. Felix Patzelt durchführen werden, falls sein Projekt (über IAI in Finanzmärkten) von bei der DFG bewilligt wird.

• DFG-Verfahren: Sachbeihilfen