Die Gruppe von Abigail Morrison im Institut für Computational and Systems Neuroscience untersucht Modelle kognitiver Funktionen mit besonderem Schwerpunkt auf impliziten Lernprozessen. Zunächst wird eine rechnerische Funktion eines neuronalen Schaltkreises angenommen, mit diesem werden in einem Top-Down-Ansatz Modelle, welche durch biologisch vorgegebene Parameter eingeschränkt sind, für spikende neuronale Netze entwickelt. Mit diesen Modellen werden die Anforderungen an die Schaltkreisstruktur, die Dynamik, die neuronale Morphologie und die synaptische Plastizität ermittelt, um die Ausgangsfunktion dementsprechend anzupassen. Die Gruppe schränkt die Modelle durch Bottom-up-Ansätze weiter ein, um die Auswirkungen biologischer Netzwerkmerkmale auf die untersuchten Berechnungseigen-schaften aufzudecken. Eine natürliche Erweiterung solcher Studien ist die Übertragung der Prinzipien des neuronalen Rechnens auf maschinelles Lernen und neuromorphe Rechenparadigmen.

Simulationsstudien zur Plastizität erfordern komplexe Synapsenmodelle und sind rechenintensiv. Die Gruppe entwickelt daher Simulationstechniken für massiv parallele Computer, die sowohl rechen- als auch speichereffizient sind, sowie Methoden zur Codegenerierung für das schnelle Prototyping von Neuronen- und Synapsenmodellen. Siehe NEST.

Mehr Informationen finden sich auf der englischen Seite der Arbeitsgruppe.