Detailseite
Projekt
Charakterisierung der Diversität in computationaler Systemdynamik und Verhaltensstrategien bei kognitiver Flexibilität
Antragsteller
Professor Dr. Daniel Durstewitz
Fachliche Zuordnung
Experimentelle und theoretische Netzwerk-Neurowissenschaften
Förderung
Förderung seit 2026
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 437610067
Unterschiedliche Verhaltensstrategien und Algorithmen können zur Lösung derselben kognitiven Aufgabe eingesetzt werden, und frühere Forschungsergebnisse zeigen, dass Verhaltensstrategien sowohl innerhalb eines Tieres als auch zwischen Tieren stark variieren. In der theoretischen Neurowissenschaft werden computationale Prozesse im Nervensystem häufig im Rahmen der Theorie dynamischer Systeme konzeptualisiert, die einen mathematischen Rahmen zur Verknüpfung physiologischer und computationaler Ebenen bietet. In den letzten Jahren gab es enorme Fortschritte bei Methoden des maschinellen Lernens und KI-Werkzeugen zur direkten Rekonstruktion dynamischer Surrogatmodelle aus experimentellen Daten, bekannt als Dynamical Systems Reconstruction (DSR). Aufbauend auf den Ergebnissen und methodischen Entwicklungen der ersten Förderperiode wird dieses Teilprojekt DSR-Methoden und computationale Theorien nutzen, um die Vielfalt der Verhaltens- und computationalen Strategien zu untersuchen, die Tiere bei der Bewältigung verschiedener Flexibilitäts-Aufgaben anwenden. Konkret werden wir generative DSR-Modelle auf Basis interpretierbarer rekurrenter neuronaler Netze (RNNs), eingebettet in eine hierarchische, multimodale Foundation-Model-Architektur, auf vielfältigen physiologischen und Verhaltens-Daten trainieren, die in diesem Konsortium erhoben werden. Neben subjektbasierten Modellen der Systemdynamik liefert dieser hierarchische Ansatz auch einen Merkmalsraum, in dem Individuen oder Durchgänge mit ähnlicher neuronaler Dynamik clustern. Darauf aufbauend werden wir untersuchen, wie sich die Variation der Verhaltensstrategien sowohl innerhalb als auch zwischen Tieren in den zugrundeliegenden neuronalen Dynamiken widerspiegelt, die diese Strategien implementieren. Darüber hinaus werden wir eine computationale Theorie auf Basis topologischer Konzepte und symbolischer Dynamik entwickeln, um die Vielfalt der von datenbasierten RNNs implementierten Algorithmen zu charakterisieren. Gleichzeitig werden RNNs, die auf denselben Verhaltensaufgaben wie die Versuchstiere trainiert wurden, als Richtwert für die zu erwartende Variation in den computationalen und dynamischen Strategien dienen, die sich aus den durch die Aufgabenstruktur vorgegebenen Einschränkungen ergeben. Im abschließenden Arbeitspaket werden wir dann die Vielfalt der Algorithmen mit derjenigen der Verhaltensstrategien und den zugrundeliegenden neuronalen Dynamiken verknüpfen. Das vorliegende Projekt liefert somit eine formale Charakterisierung der Vielfalt von Verhaltensstrategien, die Tiere zur Lösung verschiedener Flexibilitätsaufgaben innerhalb dieses Konsortiums anwenden - sowohl in neurodynamischer als auch in computationaler Hinsicht - und trägt damit zu den Kernzielen dieses Forschungsverbundes bei, die Quellen der Verhaltensvariabilität aufzudecken.
DFG-Verfahren
Forschungsgruppen
