Foto: Michael Veit / BCF
Fussballspiele werden häufig von der Mannschaft entschieden, die die richtige Balance zwischen Angriff und Verteidigung gefunden hat. Das Spielziel mag zwar sein, so viele Tore wie möglich zu schießen, genauso wichtig ist es aber, die (Konter-)Angriffe der gegnerischen Mannschaft abzuwehren. Eine ähnliche Austauschbeziehung kann bei der Stimulation von neuronalen Netzwerken auftreten, wo der Stimulus mit der gegebenen Aktivität der Netzwerke interagiert und die Effektivität der Stimulation vom Timing abhängt.
Sreedhar Saseendran Kumar und seine Ko-Autoren haben sich der Frage genähert, ob das optimale Timing für jedes Netzwerk automatisch bestimmbar ist. Mithilfe von „reinforcement learning“, einer Machine Learning Strategie, konnte die Stimulation eines Netzwerkes per Trial-and-Error-Methode und einem entsprechenden Belohnungssystem tatsächlich immer weiter optimiert werden. Kumars Studie war eine Kooperation von Wissenschaftlern des IMTEK, des Bernstein Center Freiburg und des Machine Learning Lab am Institut für Informatik. Sie wurde ermöglicht durch Fördermittel von BrainLinks-BrainTools und kam vor kurzem in der wissenschaftlichen Zeitschrift PLoS Computational Biology heraus.
Originalveröffentlichung: