Das Hiesinger Lab ist ein Grundlagenforschungslabor in der Neurobiologie an der Freien Universität Berlin. Der Hauptfokus des Labors ist die Untersuchung wie genomische Information sich 'entfaltet' um neuronale Netzwerke mit bemerkenswertem Informationsgehalt zu produzieren. Fliegen, die wir als Modellsystem einsetzen, haben Gehirne, die den Flug in drei Dimensionen berechnen können, sowie Navigation, Metabolismus und fortgeschrittene Lernfähigkeiten kontrollieren - alles noch vor einem Training des Netzwerks durch Erfahrung. Unser Team umfasst Neurowissenschaftler*innen, Mikroskopie-Expert*innen, Bioinformatiker*innen und eng kollaborierende Mathematiker*innen.
Ab werden wir eine dedizierte Studie mit dem Titel 'Der Informationsgehalt der Gehirnverdrahtung' durchführen, die vom Volkswagen Foundation 'Pioneering Research Program 'the unknown unknown' finanziert wird. Die Grund-Idee ist, dass der Informationsgehalt von artifiziellen neuronalen Netzwerken in einer präzisen Zahl von bits gespeichert werden kann, während eine solche Zahl von Bits für biologische neuronale Netzwerke nie Sinn gemacht hat: nicht nur die Anzahl von Bits, sondern was für Parameter man quantifizieren sollte, ist bis heut unklar - eine echte unbekannte Unbekannte, welche wir experimentell in einem informations-theoretischen Rahmenprogramm angehen wollen.
Das Labor ist Teil der größeren Universitäts-Gemeinschaft und eines interdisziplinären Forschungs-Konsortiums zur Studie der Gehirnverdrahtung.
Aufgabengebiet:
Wir suchen nach einer*einem Informationstheoretiker*in mit einem akademischen Hintergrund in Mathematik oder Bioinformatik und eine Spezialisierung in Informationstheorie (Shannen entropy, compressibility, effective complexity and logical depth). Die Datenbasis für die Analysen sind von zwei Typen: ersten, die neuesten Konnektom-Daten, d.h. große Datensätze aller synaptischen Verknüpfungen im Fliegengehirn auf der Basis von Elektron-Mikroskopischen Rekonstruktionen; zweitens, hochauflösende Lebendbildgebungs-Daten der Entwicklungs-Transformationen, die die Information in biologischen neuronalen Netzwerk kodieren. Die*der Informationstheoretiker*in wird in einem Team mit Experimentalwissenschaftler*innen und anderen Mathematiker*innen Werkzeuge entwickeln, um die Daten zu analysieren und neue Wege entwickeln, wie der Informationsgehalt und die Informationskapazität von neuronalen Netzwerken mathematisch beschrieben werden kann.
Einstellungsvoraussetzungen:
Abgeschlossenes wiss. Hochschulstudium (Master/Diplom) und Promotion in Mathematik oder in einem angrenzenden Feld.
Erwünscht:
Vorhergehende akademische Erfahrung mit der Informationstheorie in der Grundlagenforschung oder angewandten Forschung sind von Vorteil. Wir sind nicht auf der Suche nach einem 'Data analyst' von 'omics' Daten, sondern nach einer*einem Theoretiker*in mit der Expertise neue Ideen und Modelle zu entwicklen.