Projektbeschreibung
Entschlüsselung der Erinnerungsbildung im Gehirn
Tiere haben die einzigartige Fähigkeit, Erinnerungen zu bilden und diese gemäß ihrer Erfahrungen zu aktualisieren. Wir wissen, dass dopaminerge Neuronen Lehrsignale hierfür zur Verfügung stellen, aber uns fehlen Informationen über den Verarbeitungsprozess. Das EU-finanzierte Projekt LeaRNN will die neuronalen Netzwerke identifizieren, die für diese Lehrsignale im Drosophila-Gehirn verantwortlich sind. Die Wissenschaftlerinnen und Wissenschaftler werden eine Karte aller dopaminergen funktionellen monosynaptischen Verbindungen erstellen und diese mit Aktivitätskarten des Nervensystems in lebenden Tieren während der Erinnerungsbildung verknüpfen. Dies wird dazu beitragen, den Lernkreislauf bei Tieren zu entschlüsseln und dabei die Neurowissenschaft, das maschinelle Lernen sowie die Robotik zu fördern.
Ziel
Forming memories, generating predictions based on memories, and updating memories when predictions no longer match actual experience are fundamental brain functions. Dopaminergic neurons provide a so-called “teaching signal” that drives the formation and updates of associative memories across the animal kingdom. Many theoretical models propose how neural circuits could compute the teaching signals, but the actual implementation of this computation in real nervous systems is unknown.
This project will discover the basic principles by which neural circuits compute the teaching signals that drive memory formation and updates using a tractable insect model system, the Drosophila larva. We will generate, for the first time in any animal, the following essential datasets for a distributed, multilayered, recurrent learning circuit, the mushroom body-related circuitry in the larval brain. First, building on our preliminary work that provides the synaptic-resolution connectome of the circuit, including all feedforward and feedback pathways upstream of all dopaminergic neurons, we will generate a map of functional monosynaptic connections. Second, we will obtain cellular-resolution whole-nervous system activity maps in intact living animals, as they form, extinguish, or consolidate memories to discover the features represented in each layer of the circuit (e.g. predictions, actual reinforcement, and prediction errors), the learning algorithms, and the candidate circuit motifs that implement them. Finally, we will develop a model of the circuit constrained by these datasets and test the predictions about the necessity and sufficiency of uniquely identified circuit elements for implementing learning algorithms by selectively manipulating their activity.
Understanding the basic functional principles of an entire multilayered recurrent learning circuit in an animal has the potential to revolutionize, not only neuroscience and medicine, but also machine-learning and robotics.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikElektrotechnikRobotertechnik
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche IntelligenzComputational Intelligence
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2018-COG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
ERC-COG -Gastgebende Einrichtung
CB2 1TN Cambridge
Vereinigtes Königreich