Computational Neuroscience (Computational Neurowissenschaft)
Computational Neuroscience ist ein interdisziplinäres Feld, das mathematische und computergestützte Modelle einsetzt, um neuronale Prozesse zu verstehen — von einzelnen Neuronen bis hin zu kognitiven Funktionen wie Lernen, Wahrnehmung und Entscheidung.
Details
Zentrale Fragen
- Wie kodieren Neuronen Information? (Neural Coding)
- Wie verarbeiten neuronale Schaltkreise diese Information? (Circuit Computation)
- Wie lernen und adaptieren sich Netzwerke? (Learning & Plasticity)
- Welche Algorithmen implementiert das Gehirn? (Algorithmic Level)
Drei Analyseebenen (Marr, 1982)
| Ebene | Frage | Beispiel |
|---|---|---|
| Komputational | Was wird berechnet? | Gesichtserkennung |
| Algorithmisch | Wie wird es berechnet? | Template Matching vs. Feature Hierarchy |
| Implementierend | Wie ist es physisch realisiert? | Neuronale Schaltkreise, Synapsen |
Wichtige Modellklassen
- Biophysikalische Modelle: Hodgkin-Huxley (Ionenkanäle, Aktionspotential), Integrate-and-Fire Neuronen (vereinfacht)
- Netzwerkmodelle: Rekurrente Netze, Attraktornetzwerke (Hopfield Networks), Population Codes
- Lernmodelle: Hebbsche Synapsen, STDP (Spike-Timing Dependent Plasticity), Reinforcement Learning (RL)
- Bayesianische Modelle: Bayesian Brain, Predictive Coding, Active Inference
- Deep Learning Modelle: DNNs als Modelle des visuellen/auditiven Kortex (Neural Encoding with Deep Neural Networks)
Verbindung zu KI (NeuroAI)
Computational Neuroscience und KI befruchten sich gegenseitig:
- Backpropagation inspiriert durch biologisches Lernen (Debatte: biologisch plausibel?)
- Transformer-Attention ≈ Selective Attention in Kognitionspsychologie
- Hopfield Networks → mathematisch äquivalent zu Transformer Self-Attention
- NeuroAI: DNNs als Modelle neuronaler Repräsentationen testen (MEG, fMRI Encoding Models)
Werkzeuge
- NEURON, Brian2 (Spiking Networks)
- Python (NumPy, SciPy, PyTorch für Deep Learning)
- MNE, nilearn (EEG/fMRI Analyse)
See also
Tags: neuroscience cognitivescience computational
Superlink: 050 🧠Neuroscience
Verbindungen
- Neural Encoding with Deep Neural Networks — angewandte Computational Neuroscience
- Predictive Coding — einflussreiches theoretisches Modell im Feld
- Hopfield Networks — klassisches Modell aus Computational Neuroscience
- Reinforcement Learning (RL) — biologisch motiviertes Lernparadigma
- How Top AI Labs Are Building RL Agents in 2026
Created: 06/05/26