Computational Neuroscience: Eine Ringvorlesung von Modellen bis zu Anwendungen
Computational Neuroscience: A Lecture Series from Models to Applications

Modul EI7646

Dieses Modul wird durch Fakultät für Elektrotechnik und Informationstechnik bereitgestellt.

Diese Modulbeschreibung enthält neben den eigentlichen Beschreibungen der Inhalte, Lernergebnisse, Lehr- und Lernmethoden und Prüfungsformen auch Verweise auf die aktuellen Lehrveranstaltungen und Termine für die Modulprüfung in den jeweiligen Abschnitten.

Modulversion vom SS 2015

Von dieser Modulbeschreibung gibt es historische Versionen. Eine Modulbeschreibung ist immer so lange gültig, bis sie von einer neuen abgelöst wird.

verfügbare Modulversionen
WS 2015/6SS 2015

Basisdaten

EI7646 ist ein Semestermodul in Deutsch oder Englisch auf Master-Niveau das in jedem Semester angeboten wird.

Das Modul ist Bestandteil der folgenden Kataloge in den Studienangeboten der Physik.

  • Allgemeiner Katalog der nichtphysikalischen Wahlfächer
GesamtaufwandPräsenzveranstaltungenUmfang (ECTS)
90 h 30 h 3 CP

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

Allgemeiner Überblick: Anatomische und physiologische Grundlagen der Neurowissenschaften (2 VL, Luksch):
- Grundlagen der Neurowissenschaften, Evolution, Modellsysteme, grundlegende Funktionen (sensorisches Organ → ZNS → Motorantwort), Anatomie (Wirbeltier/Mensch), genereller Aufbau des auditorischen und visuellen Systems und der wichtigsten Verarbeitungsstufen
- neuronale Informationsübertragung: Grundlagen Ruhe- und Aktionspotenzial, synaptische Übertragung, neuronale Morphologie, Verarbeitung im Dendriten, kleine Netzwerke etc., in vitro electrophysiology (+ imaging)

Modellierung: Neuronale Dynamik und Kodierung (4 VL, Herz, Leibold)
- Modellierung einzelner Neurone (klassische computational neuroscience, spiking models, current models, firing rate models) und was wir von Mathe / Physik über Neurone lernen können
- Neuronenpopulationen; (Sparse) coding, Theorie neuronaler Netzwerke, assoziatives Lernen (Hebbian, STDP), reinforcement learning, supervised vs. unsupervised learning
- Grundlagen der neuronalen Signalverarbeitung und Modellierung; neurale Kodierung/Dekodierung; Korrelationen, reverse correlations, rezeptive Felder; Informationstheorie

Integration im Nervensystem (4 VL, Flanagin, Glasauer, MacNeilage, Sirota)
- Lernen und Gedächtnis: Hippocampal formation, episodic memory and space representation
- Räumliche Wahrnehmung und Navigation
- Psychophysik, perceptual decision making (human/animal, Diffusion models, Bayesian models)
- fMRI und die Modellierung der Verbindung zwischen Gehirnarealen, connectome)

Engineering für Neurowissenschaften und Neuroprothesen (4 VL, Kleinsteuber, Seeber, Sirota)
- Messung neuraler Aktivität in vivo, Mehrkanal-Electrophysiologie, Datenaufnahme, -analyse und -interpretation
- Machine learning and information retrieval in hochdimensionalen Daten
- Phenomenologische Modelle des Gehirns
- Anwendung auf Hörgeräte und Neuroprothesen (Cochlea Implantate)

Ein Überblick über aktuelle Forschung am Bernstein Center for Computational Neuroscience Munich

Lernergebnisse

Diese interdisziplinäre Ringvorlesung wird von Experten der TUM und LMU in den Neurowissenschaften gehalten und bietet eine Einführung in die Computational Neuroscience. Nach der Teilnahme an diesem Kurs sind die Studenten mit den Grundlagen der Neuroanatomie und -physiologie und den neuronalen Prozessen in verschiedenen sensorischen Systemen (auditorisch, visuell) vertraut. Studenten kennen die grundlegenden Ansätze für die Modellierung des neuronalen Verhaltens von einzelnen Zellen wie auch Zellverbünden und sie wissen, wie Daten zur Parametrisierung derartiger Modelle in Experimenten gewonnen werden können. Weiterhin haben die Studenten verstanden, wie derartige Modelle für die Entwicklung technischer Anwendungen, wie Neuroprothesen, genutzt werden können.

Voraussetzungen

Grundlagenwissen in Biologie und Mathematik empfohlen

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lehrveranstaltungen und Termine

Lern- und Lehrmethoden

Vorlesung mit Videoprojektion, praktischen Beispielen und Demonstrationen gehalten von Experten im jeweiligen Thema.

Medienformen

Vorlesung mit praktischen Beispielen und Präsentationen, Notizen an der Tafel und Videoprojektion, Erklärung an praktischen Beispielen, Multimedia Präsentation wichtiger Konzepte und Informationen.

Literatur

Allgemeine Lehrbücher und Lehrmaterialien werden zu Beginn der Ringvorlesung bekannt gegeben. Jeder Vortragende wird zusätzlich vertiefendes Material bekannt geben und auf Moodle zur Verfügung stellen.

Modulprüfung

Beschreibung der Prüfungs- und Studienleistungen

Die Studenten nehmen an der Vorlesung teil und lernen zusätzlich den Kursinhalt im Selbststudium mit Materialien, die durch die Vortragenden zur Verfügung gestellt werden (Handouts, referenzierte Literatur). Die Vorlesung wird durch Experten in Computational Neuroscience gehalten, die auf ihrem Spezialgebiet referieren.
Wissensbasierte Lernergebnisse und das Verständnis des Kursinhalts werden in einer 60-minütigen schriftlichen Prüfung evaluiert, die den Kursinhalt von den neurobiologischen und mathematischen Grundlagen sowie den Anwendungen auf Hörprothesen bis hin zur Messung physiologischer Antworten abdeckt. Die Prüfung basiert auf Fragen von den einzelnen Vortragenden und wird ebenso die Fähigkeit zum Wissenstransfer und zur Problemlösung einfacher praktischer Fragestellungen evaluieren.

Wiederholbarkeit

Eine Wiederholungsmöglichkeit wird im Folgesemester angeboten.

Kondensierte Materie

Wenn Atome sich zusammen tun, wird es interessant: Grundlagenforschung an Festkörperelementen, Nanostrukturen und neuen Materialien mit überraschenden Eigenschaften treffen auf innovative Anwendungen.

Kern-, Teilchen-, Astrophysik

Ziel der Forschung ist das Verständnis unserer Welt auf subatomarem Niveau, von den Atomkernen im Zentrum der Atome bis hin zu den elementarsten Bausteinen unserer Welt.

Biophysik

Biologische Systeme, vom Protein bis hin zu lebenden Zellen und deren Verbänden, gehorchen physikalischen Prinzipien. Unser Forschungsbereich Biophysik ist deutschlandweit einer der größten Zusammenschlüsse in diesem Bereich.