Forschungsschwerpunkt
Ich verfolge in meiner Forschung drei Ansätze: Schaltkreise – Kollektive – Lernen. Unsere Arbeit wird durch das ERC und BMF unterstützt.
Schaltkreise: Wir untersuchen, wie unterschiedliche Typen erregender und hemmender Neurone die Plastizität des Gehirns regulieren und welchen Beitrag sie zur flexiblen Informationsverarbeitung leisten.
Kollektive: Wir untersuchen, wie Kollektive von Neuronen durch raum-zeitliche Aktivitätsmuster Informationen kodieren und im Speziellen, welche Rolle Spike-Sequenzen und Bursts dabei spielen. Darüber hinaus interessiert uns, welcher Zusammenhang zwischen spontaner neuronaler Aktivität (zum Beispiel beim Träumen) und neuronaler Aktivität, die durch sensorische Wahrnehmungen (hören, sehen etc.) hervorgerufen wird, besteht.
Lernen: Wir untersuchen, wie das Gehirn anhand von Vorhersagen über die unmittelbare Zukunft lernt; wie das Gehirn Gegenstände anhand ihrer Eigenschaften erkennt und welche Rolle rekurrente Netzwerke dabei spielen.
Um diese Fragen zu beantworten, benutzen wir eine große Bandbreite von Methoden und Herangehensweisen. Wir benutzen maschinelles Lernen, um vorhersagbare Zusammenhänge zwischen sensorischem Input über Raum und Zeit zu modellieren. Wir entwickeln Algorithmen, um unsupervised clustering in viel-dimensionalen neuronalen Daten zu ermöglichen und wir entwickeln neue Methoden zur Auswertung elektrophysiologischer Daten. In unserer Arbeit wenden wir Informationstheorie und Neurale Netzwerk Theorie an. Die Daten für unsere Modelle erheben wir mithilfe elektrophysiologischer Ableitungen über alle kortikalen Schichten hinweg und von mehreren Hirnabschnitten gleichzeitig. Anhand von optogenetischen Methoden identifizieren wir Subtypen von Zellen – wie etwa Interneurone mit bestimmten Projektionsmustern – und verändern kortikale Aktivität.
Martin Vincks persönliche Homepage
Ausgewählte Publikationen
Uran C, Peter A, Lazar A, Barnes W, Klon-Lipok J, Shapcott KA, Roese R, Fries P, Singer W, Vinck M (2022). Predictive coding of natural images by V1 firing rates and rhythmic synchronization. Neuron. https://doi.org/10.1016/j.neuron.2022.01.002
Schneider M, Broggini AC, Dann B, Tzanou A, Uran C, Sheshadri S, Scherberger H, Vinck M (2021). A mechanism for inter-areal coherence through communication based on connectivity and oscillatory power. Neuron 109(24), 4050-4067.e12. https://doi.org/10.1016/j.neuron.2021.09.037
Grossberger L, Battaglia FP, Vinck M (2018). Unsupervised clustering of temporal patterns in high-dimensional neuronal ensembles using a novel dissimilarity measure. PLoS Comput Biol 14(7), e1006283. https://doi.org/10.1371/journal.pcbi.1006283
Vinck M, Bosman C (2016). More gamma more predictions: Gamma-synchronization as a key mechanism for efficient integration of classical receptive field inputs and surround predictions. Frontiers in Systems Neuroscience. https://doi.org/10.3389/fnsys.2016.00035
Vinck M, Batista-Brito R, Knoblich U, Cardin JA (2015). Arousal and locomotion make distinct contributions to cortical activity patterns and visual encoding. Neuron 86(3), 740-754. https://doi.org/10.1016/j.neuron.2015.03.028
Vinck M, Battaglia FP, Womelsdorf T, Pennartz CMA (2012). Improved measures of phase-coupling between spikes and the local field potential. Journal of Computational Neuroscience 33(1), 53-75 https://doi.org/10.1007/s10827-011-0374-4
Vinck M, Oostenveld R, van Wingerden M, Battaglia F, Pennartz CMA (2011). An improved index of phase-synchronization for electrophysiological data in the presence of volume-conduction, noise and sample-size bias. Neuroimage 55(4), 1548-1565. https://doi.org/10.1016/j.neuroimage.2011.01.055