Gehirnbasierte Algorithmen sorgen für bessere Netzwerke

Gehirnbasierte Algorithmen sorgen für bessere Netzwerke

Forscher von Salk und Carnegie Mellon entdecken, wie das Gehirn Synapsen in der Entwicklung zurückschneidet

LA JOLLA–Wenn es um die Entwicklung effizienter, robuster Netzwerke geht, weiß das Gehirn oft am besten.
Forscher des Salk Institute for Biological Studies und der Carnegie Mellon University haben zum ersten Mal die Geschwindigkeit bestimmt, mit der das sich entwickelnde Gehirn in der frühen Kindheit unnötige Verbindungen zwischen Neuronen eliminiert.

Obwohl Ingenieure beim Aufbau verteilter Netzwerke aus Computern und Sensoren einen völlig anderen Ansatz verfolgen, entdeckte das Forschungsteam aus Informatikern, dass ihre neu gewonnenen Erkenntnisse zur Verbesserung der Robustheit und Effizienz verteilter Computernetzwerke genutzt werden könnten. Die Ergebnisse wurden veröffentlicht in PLoS Computational Biology Juli 16, 2015.

„Indem wir rechnerisch darüber nachdachten, wie sich das Gehirn entwickelt, stellten wir die Frage, wie sich die Häufigkeit der Synapsenbeschneidung auf die Topologie und Funktion des Netzwerks auswirken kann“, sagt er Saket Navlakha, Assistenzprofessor am Center for Integrative Biology des Salk Institute und ehemaliger Postdoktorand in der Abteilung für maschinelles Lernen der Carnegie Mellon. „Wir haben die daraus resultierenden Erkenntnisse genutzt, um neue Algorithmen zum Aufbau adaptiver und robuster Netzwerke in anderen Bereichen zu entwickeln.“

Netzwerkstruktur ist sowohl für Biologen als auch für Informatiker ein wichtiges Thema. In der Biologie ist das Verständnis, wie sich das Netzwerk von Neuronen im Gehirn organisiert, um seine erwachsene Struktur zu bilden, der Schlüssel zum Verständnis, wie das Gehirn lernt und funktioniert. In der Informatik ist das Verständnis, wie die Netzwerkorganisation optimiert werden kann, für die Herstellung effizienter vernetzter Systeme von entscheidender Bedeutung.

Forscher von Salk und Carnegie Mellon haben ein neues Modell für den Aufbau effizienter Netzwerke entwickelt, indem sie die Geschwindigkeit untersuchten, mit der das Gehirn während der Entwicklung einige seiner Verbindungen zurückschneidet. In diesem Modell stellen Knoten (z. B. Neuronen oder Sensoren) zu viele Verbindungen her (links), bevor sie auf die relevantesten Verbindungen reduziert werden (rechts). Das Team wandte seinen auf synaptischem Pruning basierenden Algorithmus auf Flugmuster an und stellte fest, dass er Routen erstellen konnte, damit Passagiere ihre Ziele effizient erreichen konnten.

Hier tippen für ein hochauflösendes Bild.

Bild: Mit freundlicher Genehmigung des Salk Institute for Biological Studies

Doch die Prozesse, mit denen Gehirn und Netzwerkingenieure die optimale Netzwerkstruktur erlernen, sind sehr unterschiedlich.
Neuronen bilden Netzwerke durch einen Prozess namens Pruning. Bei der Geburt und während der gesamten frühen Kindheit stellen die Neuronen des Gehirns eine Vielzahl von Verbindungen her – mehr, als das Gehirn benötigt. Wenn das Gehirn reifer wird und lernt, beginnt es schnell Verbindungen zu trennen, die nicht genutzt werden. Wenn das Gehirn das Erwachsenenalter erreicht, verfügt es über etwa 50 bis 60 Prozent weniger synaptische Verbindungen als auf seinem Höhepunkt in der Kindheit.

Im krassen Gegensatz dazu werden Informatik- und Ingenieurnetzwerke häufig mit dem umgekehrten Ansatz optimiert. Diese Netzwerke enthalten zunächst eine kleine Anzahl von Verbindungen und fügen dann nach Bedarf weitere Verbindungen hinzu.

„Technische Netzwerke werden durch das Hinzufügen von Verbindungen aufgebaut, anstatt sie zu entfernen. Man könnte meinen, dass die Entwicklung eines Netzwerks mithilfe eines Pruning-Prozesses verschwenderisch wäre“, sagt er Ziv Bar-Joseph, außerordentlicher Professor in den Abteilungen Maschinelles Lernen und Computational Biology der Carnegie Mellon. „Aber wie wir gezeigt haben, gibt es Fälle, in denen ein solches Verfahren auch für die Technik von Vorteil sein kann.“

Die Forscher bestimmten zunächst Schlüsselaspekte des Beschneidungsprozesses, indem sie die Anzahl der Synapsen zählten, die im somatosensorischen Kortex eines Mausmodells im Laufe der Zeit vorhanden waren. Nachdem sie die Synapsen in mehr als 10,000 elektronenmikroskopischen Bildern gezählt hatten, stellten sie fest, dass Synapsen zu Beginn der Entwicklung schnell beschnitten wurden und sich die Beschneidungsrate dann im Laufe der Zeit verlangsamte.

Die Ergebnisse dieser Experimente ermöglichten es dem Team, einen Algorithmus zum Entwurf von Computernetzwerken zu entwickeln, der auf dem Brain-Pruning-Ansatz basiert. Mithilfe von Simulationen und theoretischen Analysen stellten sie fest, dass der auf Neurowissenschaften basierende Algorithmus Netzwerke erzeugte, die viel effizienter waren als die aktuellen technischen Methoden.

In den mit Pruning erstellten Netzwerken war der Informationsfluss direkter und es wurden mehrere Pfade bereitgestellt, über die Informationen denselben Endpunkt erreichen konnten, was das Risiko eines Netzwerkausfalls minimierte.

„Wir haben diesen High-Level-Algorithmus, der erklärt, wie neuronale Strukturen während der Entwicklung aufgebaut werden, genommen und daraus einen Algorithmus für ein technisches Netzwerk inspiriert“, sagt Alison Barth, Professorin am Department of Biological Sciences der Carnegie Mellon und Mitglied der BrainHubSM-Initiative der Universität. „Es stellt sich heraus, dass dieser auf Neurowissenschaften basierende Ansatz etwas Neues für Informatiker und Ingenieure bieten könnte, über das sie beim Aufbau von Netzwerken nachdenken können.“

Als Test, wie der Algorithmus außerhalb der Neurowissenschaften eingesetzt werden könnte, wandte Navlakha den Algorithmus auf Flugdaten des US-Verkehrsministeriums an. Er fand heraus, dass der auf synaptischer Beschneidung basierende Algorithmus die effektivsten Routen erstellt, damit Passagiere ihre Ziele erreichen können.

„Wir sind uns darüber im Klaren, dass es nicht kosteneffektiv wäre, dies auf Netzwerke anzuwenden, die eine erhebliche Infrastruktur wie Eisenbahnen oder Pipelines erfordern“, sagte Navlakha. „Aber für diejenigen, die dies nicht tun, wie drahtlose Netzwerke und Sensornetzwerke, könnte dies eine wertvolle adaptive Methode sein, um die Bildung von Netzwerken zu steuern.“

Darüber hinaus sagen die Forscher, dass die Arbeit Auswirkungen auf die Neurowissenschaften hat und glauben, dass die Veränderung der Beschneidungsraten von der Jugend bis zum Erwachsenenalter darauf hindeuten könnte, dass dem Beschneiden unterschiedliche biochemische Mechanismen zugrunde liegen.

„Algorithmische Neurowissenschaft ist ein Ansatz zur Identifizierung und Nutzung der Regeln, die die Gehirnfunktion strukturieren“, sagte Barth. „Das Gehirn kann uns viel über Computer beibringen, und die Informatik kann uns dabei helfen, die Funktionsweise neuronaler Netze zu verstehen.“

Über das Salk Institute for Biological Studies:
Das Salk Institute for Biological Studies (https://www.salk.edu/) ist eine der weltweit führenden Grundlagenforschungseinrichtungen, in der international renommierte Fakultäten in einem einzigartigen, kollaborativen und kreativen Umfeld grundlegende Fragen der Biowissenschaften untersuchen. Salk-Wissenschaftler konzentrieren sich sowohl auf Entdeckungen als auch auf die Betreuung zukünftiger Forschergenerationen und leisten bahnbrechende Beiträge zu unserem Verständnis von Krebs, Alterung, Alzheimer, Diabetes und Infektionskrankheiten, indem sie Neurowissenschaften, Genetik, Zell- und Pflanzenbiologie und verwandte Disziplinen studieren.