Alumni-Preis 2024
Graphentheoretische Beschreibung lernender Netzwerke im Gehirn
Was verändert sich im Gehirn, wenn wir lernen? Erfahrungen und Sinneseindrücke hinterlassen Spuren im Gehirn. Sich zu erinnern ist nichts anderes, als diese Gedächtnisspuren wieder auszulesen. Die Idee, dass sich Gelerntes in der Struktur der neuronalen Schaltkreise niederschlägt, hat eine lange Geschichte. Viele biologische Details sind aber nach wie vor ungeklärt. Insbesondere konnte die materielle Grundlage von Gedächtnis bislang nicht eindeutig identifiziert werden. Noch viel weniger klar ist, mit welchen Algorithmen (“Lernregeln”) neue Gedächtnispuren etabliert und schon vorhandene wieder ausgelesen werden.
Frau Zainab Chokr hat kürzlich ihr Studium der Physik abgeschlossen und dazu unter der Betreuung von Stefan Rotter eine Masterarbeit mit dem Titel “Analysis of learning processes in brain networks using coarse graining of graphs and spectral graph theory” verfasst. Sie nutzt dabei in der theoretischen Physik geläufige Methoden, um die oben beschriebenen Lernprozesse im Rahmen eines neuen graphenthereotischen Modells für lernende Netzwerke zu charakterisieren. Was die mögliche Interferenz verschiedener Gedächtnisspuren im Gehirn angeht, hat sie dabei interessante und bislang unbekannte Eigenschaften des Modells beschrieben. Das Institut für Physik der Universität Freiburg hat ihre Arbeit mit dem “Alumni-Preis 2024” gewürdigt.
Beschreibung der Abbildung
Das gerichtete Konfigurationsmodell repräsentiert den graphentheoretischen Rahmen, in dem Frau Zainab Chokr ihre Analysen durchgeführt hat. Gezeigt sind vier verschiedene zufällige Realisierungen von solchen Graphen mit denselben “anatomischen” Kenngrößen.
Pressemitteilung des Physikalischen Instituts der Universität Freiburg
Zainab Chokr received the Alumni Prize 2024 of the Institute of Physics at the University of Freiburg for her Master's thesis: "Analysis of learning processes in brain networks using coarse graining of graphs and spectral graph theory"
What changes in the brain when we learn? Experiences and sensory impressions leave traces in the brain. Remembering is nothing other than reading out these memory traces again. The idea that memory content is reflected in the structure of neuronal circuits has a long history. However, many biological details are still unclear. In particular, the material basis of memory has not yet been clearly identified. It is even less clear which algorithms (“learning rules”) are used to establish new memory traces and read out existing ones.
Ms. Zainab Chokr recently completed her degree in physics and wrote a master's thesis entitled “Analysis of learning processes in brain networks using coarse graining of graphs and spectral graph theory” under the supervision of Stefan Rotter. She employs methods from theoretical physics to characterize the learning processes described above within the framework of a new graph-theoretical model for learning networks. With regard to the possible interference of different memory traces in the brain, she has described interesting and previously unknown features of the model. The Institute of Physics at the University of Freiburg has honored her work with the “Alumni Award 2024”.
Figure legend
The directed configuration model represents the graph-theoretical framework in which Ms. Zainab Chokr conducted her analyses. Shown are four different random realizations of such graphs with the same “anatomical” parameters.